📖 문서  |  🌐 🇬🇧 English · 🇨🇳 中文 · 🇯🇵 日本語 · 🇪🇸 Español · 🇩🇪 Deutsch · 🇫🇷 Français · 🇰🇷 한국어 · 🇧🇷 Português · 🇷🇺 Русский

🚀 Tencent Zhuque Lab의 AI 레드팀 플랫폼

A.I.G (AI-Infra-Guard)는 ClawScan(OpenClaw Security Scan), Agent Scan, AI 인프라 취약점 scan, MCP Server & Agent Skills scan, Jailbreak Evaluation 등의 기능을 통합하여, 사용자에게 가장 포괄적이고 지능적이며 사용하기 편리한 AI 보안 위험 자가 점검 솔루션을 제공하는 것을 목표로 합니다.

저희는 A.I.G(AI-Infra-Guard)를 업계 선도적인 AI 레드팀 플랫폼으로 만들기 위해 노력하고 있습니다. 더 많은 스타는 이 프로젝트가 더 넓은 범위의 사용자에게 도달하도록 도와주며, 더 많은 개발자들이 기여하도록 유도하여 반복 개선을 가속화합니다. 여러분의 스타는 저희에게 매우 소중합니다!

📋 사용자 피드백 설문조사

A.I.G 개선에 도움을 주세요! 3~5분만 투자하여 사용자 피드백 설문조사를 작성해 주세요. 고품질 피드백을 제공하고 유효한 이메일 주소를 남겨주신 분께는 Tencent 특별 기념품을 보내드립니다.

🚀 새로운 소식

• 2026-07-24 · v4.5.0 — AI 보안 스킬 마켓 오픈 (공식 스킬 3종); 프론트엔드 전면 오픈소스; Skill 스캔 엔진 업그레이드 (9종 위험 탐지, SkillTrustBench 최고 0.9848); Skill/MCP/Agent 스캔 독립 CLI화; 취약점 라이브러리 130 컴포넌트·1888 룰로 확대
• 2026-06-25 · v4.1.15 — MCP Scan: 도구 오염지시지·자격 증명 정보 유출·명령 주입 3종 위협 탐지 규칙 추가; llama.cpp CVE 규칙 6종 추가; model.token 생략 시 시스템 기본 모델로 자동 대체.
• 2026-06-18 · v4.1.14 — Prompt Security: 9개 신규 싱글턴 공격 오퍼레이터 추가; Agent 종합 레드팀 평가를 위한 신규 aig-agent-redteam skill 추가.
• 2026-06-11 · v4.1.13 — 버전 확인 API 엔드포인트 신규 추가; 보안 점수를 절대 감점 모델로 전환하여 리스크 평가를 더욱 명확히 개선.
• 2026-06-08 · v4.1.12 — 지문 라이브러리 확장: AI Web 지문 39개 신규 추가, 기존 18개 강화.

👉 이전 릴리스 · 🛒 AI 보안 스킬 마켓 · 🔍 skill-scan CLI · 🔍 mcp-scan CLI · 🔍 agent-scan CLI · 📊 SkillTrustBench

목차

• 🚀 빠른 시작
• ✨ 주요 기능
• 🖼️ 스크린샷
• 📖 사용자 가이드
• 🔧 API 문서
• 🏗️ 아키텍처 진화
• 📝 기여 가이드
• 🛡️ 팀 소개
• 🙏 감사의 말씀
• 💬 커뮤니티 참여
• 📖 인용
• 📚 논문
• ⚖️ 라이선스 및 저작권 표시
  
  

🚀 빠른 시작

🐳 Docker를 이용한 배포

# 이 방법은 Docker Hub에서 사전 빌드된 이미지를 가져와 빠르게 시작합니다
git clone https://github.com/Tencent/AI-Infra-Guard.git
cd AI-Infra-Guard
# Docker Compose V2 이상의 경우 'docker-compose'를 'docker compose'로 교체하세요
docker-compose -f docker-compose.images.yml up -d

서비스가 실행되면 다음 주소에서 A.I.G 웹 인터페이스에 접속할 수 있습니다: http://localhost:8088

OpenClaw에서 사용하기

OpenClaw 채팅에서 aig-scanner skill을 통해 A.I.G를 직접 호출할 수도 있습니다.

clawhub install aig-scanner

그런 다음 AIG_BASE_URL을 실행 중인 A.I.G 서비스 주소로 설정하세요.

자세한 내용은 aig-scanner README를 참조하세요.

# 이 방법은 Docker를 자동으로 설치하고 A.I.G를 한 번의 명령으로 실행합니다  
curl https://raw.githubusercontent.com/Tencent/AI-Infra-Guard/refs/heads/main/docker.sh | bash

git clone https://github.com/Tencent/AI-Infra-Guard.git
cd AI-Infra-Guard
# 이 방법은 로컬 소스 코드에서 Docker 이미지를 빌드하고 서비스를 시작합니다
# (Docker Compose V2 이상의 경우 'docker-compose'를 'docker compose'로 교체하세요)
docker-compose up -d

⚡ aig-skill-scan 한 줄 명령어로 설치

Agent Skill 보안 감사 도구로, 기업 CI/CD 파이프라인에 쉽게 통합할 수 있습니다. 취약점 분류는 SkillTrustBench T01–T09 분류 체계에 맞춰져 있습니다. 자세히 보기 →

pip install aig-skill-scan

# 환경 변수로 API 키 설정
export LLM_API_KEY="your-api-key"

# 로컬 Skill 프로젝트 디렉토리 scan
aig-skill-scan --repo /path/to/your/skill \
           -m deepseek-v4-flash \
           --language en \
           -o result.json

🌟 온라인 Pro 버전 체험하기

고급 기능과 향상된 성능을 갖춘 Pro 버전을 경험해 보세요. Pro 버전은 초대 코드가 필요하며, 이슈·풀 리퀘스트·토론을 제출했거나 커뮤니티 성장에 적극적으로 기여한 분들을 우선적으로 제공합니다. 방문: https://aigsec.ai/.

✨ 주요 기능

🔍 aig-skill-scan 성능 및 커버리지

SkillTrustBench에서의 다양한 LLM 성능:

9가지 Skill 보안 위험 카테고리 커버 (SkillTrustBench T01–T09):

전체 리더보드 및 상세 정보는 SkillTrustBench를 방문하세요.

🔬 보안 scan 및 평가

🖼️ 스크린샷

A.I.G 메인 인터페이스

플러그인 관리

🗺️ 빠른 사용 가이드

배포 후 브라우저에서 http://localhost:8088을 엽니다.

AI 인프라 취약점 Scan

대상 URL / IP에 무엇을 입력해야 하나요?

대상은 GitHub URL이나 소스 코드 경로가 아니라, scan하려는 실행 중인 AI 서비스의 네트워크 주소입니다. A.I.G는 라이브 서비스에 연결하여 알려진 CVE 취약점에 대한 지문을 채취합니다.

단계별 가이드: 로컬 vLLM 인스턴스 Scan

1. vLLM을 정상적으로 시작합니다 (예: python -m vllm.entrypoints.api_server --model meta-llama/...)
2. A.I.G 웹 UI에서 **"AI基础设施安全扫描 / AI Infra Scan"**을 클릭합니다.
3. http://127.0.0.1:8000을 입력합니다 (또는 vLLM이 수신 대기 중인 IP/포트)
4. Start Scan을 클릭합니다 — A.I.G가 서비스의 지문을 채취하여 1,900개 이상의 알려진 CVE와 매칭합니다.
5. 보고서를 확인합니다: 컴포넌트 버전, 매칭된 취약점, 심각도 및 수정 링크

💡 팁: 특별히 vLLM의 nightly 빌드를 scan하려면 해당 nightly 빌드를 실행하고 A.I.G가 그 주소를 가리키도록 하세요. scanner가 버전을 자동으로 탐지합니다.

MCP Server & Agent Skills Scan

원격 URL (예: https://github.com/user/mcp-server)을 입력하거나 로컬 소스 아카이브를 업로드하세요 — 실행 중인 인스턴스가 필요 없습니다.

Jailbreak Evaluation

설정 → 모델 설정에서 대상 LLM의 API 엔드포인트(기본 URL + API 키)를 구성한 다음, 데이터셋을 선택하고 평가를 시작합니다.

📖 사용자 가이드

온라인 문서를 방문하세요: https://tencent.github.io/AI-Infra-Guard/

더 자세한 FAQ 및 문제 해결 가이드는 문서를 방문하세요.

🔧 API 문서

A.I.G는 AI 인프라 scan, MCP Server Scan 및 Jailbreak Evaluation 기능을 지원하는 포괄적인 작업 생성 API 세트를 제공합니다.

프로젝트 실행 후 http://localhost:8088/docs/index.html을 방문하여 전체 API 문서를 확인하세요.

자세한 API 사용 지침, 파라미터 설명 및 전체 예제 코드는 전체 API 문서를 참조하세요.

📝 기여 가이드

확장 가능한 플러그인 프레임워크는 A.I.G의 아키텍처 핵심으로, 플러그인 및 기능 기여를 통한 커뮤니티 혁신을 환영합니다.

플러그인 기여 규칙

1. 지문 규칙: data/fingerprints/ 디렉토리에 새로운 YAML 지문 파일을 추가하세요.
2. 취약점 규칙: data/vuln/ 디렉토리에 새로운 취약점 scan 규칙을 추가하세요.
3. MCP 플러그인: data/mcp/ 디렉토리에 새로운 MCP 보안 scan 규칙을 추가하세요.
4. Jailbreak Evaluation 데이터셋: data/eval 디렉토리에 새로운 Jailbreak 평가 데이터셋을 추가하세요.

기존 규칙 형식을 참고하여 새 파일을 만들고 Pull Request를 통해 제출해 주세요.

기타 기여 방법

• 🐛 버그 신고
• 💡 새로운 기능 제안
• ⭐ 문서 개선
  

🛡️ 팀 소개

본 프로젝트는 텐센트 보안 플랫폼 부서 산하의 텐센트 주작 연구소(Tencent Zhuque Lab) 가 주도하여 개발하고 있습니다. 텐센트 주작 연구소는 2019년에 설립된 최고 수준의 보안 연구소로, AI 보안 분야의 실전 공방 및 최첨단 기술 연구에 집중하고 있으며, 연구 분야는 대규모 언어 모델 보안, AI 에이전트 보안, AI 기반 보안, AI 생성 콘텐츠 탐지 등을 포괄합니다.

본 팀은 NVIDIA, Google, Microsoft 등 유수의 기업과 OpenClaw, Linux, Hugging Face 등의 오픈 소스 커뮤니티의 다수의 고위험 취약점 수정에 기여해 왔으며, 공식적인 공개 감사를 받은 바 있습니다.

오픈 소스 AI 레드팀 보안 테스트 플랫폼 A.I.G(AI-Infra-Guard) 와 주작 AI 탐지 어시스턴트 등 AI 보안 제품을 출시했습니다. 연구 성과는 Black Hat, DEF CON, ICLR, CVPR, NeurIPS, ACL 등 국제 최고 수준의 보안 및 AI 학술 대회에서 폭넓게 발표되었으며, 저서 『AI 보안: 기술과 실전』을 출간했습니다.

👥 핵심 멤버 및 기여

🙏 감사의 말씀

🎓 학술 협력

학술 파트너들의 연구 기여와 기술 지원에 감사드립니다.

Prof. hui Li

Bin Wang

Zexin Liu

Hao Yu

Ao Yang

Zhengxi Lin

Prof. Zhemin Yang

Kangwei Zhong

Jiapeng Lin

Cheng Sheng

👥 기여해 주신 개발자분들께 감사드립니다

A.I.G 프로젝트에 기여해 주신 모든 개발자분들께 감사드립니다.

🤝 사용자 여러분께 감사드립니다

다음 기업 및 팀의 사용자분들께 A.I.G를 이용해 주시고 소중한 피드백을 보내주신 것에 감사드립니다.

💬 커뮤니티 참여

🌐 온라인 토론

• GitHub Discussions: 커뮤니티 토론에 참여하기
• 이슈 및 버그 신고: 이슈 신고 또는 기능 제안

📱 토론 커뮤니티

WeChat 그룹	Discord [링크]

📧 문의하기

협력 문의 또는 피드백은 다음 이메일로 연락해 주세요: [email protected]

🔗 추천 보안 도구

코드 보안에 관심이 있으시다면 A.S.E (AICGSecEval)을 확인해 보세요. 이는 Tencent 悟空 코드 보안 팀이 오픈소스로 공개한 업계 최초의 저장소 수준 AI 생성 코드 보안 평가 프레임워크입니다.

📖 인용

연구에서 A.I.G를 사용하신 경우 다음과 같이 인용해 주세요:

@misc{Tencent_AI-Infra-Guard_2025,
  author={{Tencent Zhuque Lab}},
  title={{AI-Infra-Guard: A Comprehensive, Intelligent, and Easy-to-Use AI Red Teaming Platform}},
  year={2025},
  howpublished={GitHub repository},
  url={https://github.com/Tencent/AI-Infra-Guard}
}

📚 논문

1. "Securing the AI Agent: A Unified Framework for Multi-Layer Agent Red Teaming" — 인프라, 공급망, 런타임 인터랙션, 배포 면에 걸쳐 다층 레드 팀이밍을 통해 AI 에이전트 시스템을 보호하는 포괄적인 프레임워크입니다. [arXiv] [pdf]

2. "AI-Infra-Guard: An AI Red Teaming Platform" — Black Hat Europe 2025 Arsenal 프레젠테이션으로, A.I.G의 전체 기능과 실전 사례를 소개합니다. [pdf]

3. "MCP Unchained: Compromising The AI Agent Ecosystem Via Its Universal Connector" — Black Hat Europe 2025 발표로, AI 에이전트 생태계에서 MCP 프로토콜의 보안 위험을 밝힌 연구입니다. [pdf]

학술 연구에서 A.I.G를 인용해 주신 연구팀에 감사드립니다 (19편):

📧 연구나 제품에서 A.I.G를 사용하셨거나, 저희가 실수로 귀하의 출판물을 누락했다면 연락 주시기 바랍니다! 문의하기.

⚖️ 라이선스 및 저작권 표시

이 프로젝트는 Apache License 2.0 하에 오픈소스로 공개됩니다. 다음 저작권 표시 요건에 따라 커뮤니티 기여, 통합 및 파생 작업을 적극 환영합니다:

1. 고지 사항 유지: 배포 시 원본 프로젝트의 LICENSE 및 NOTICE 파일을 반드시 유지해야 합니다.
2. 제품 저작권 표시: AI-Infra-Guard의 핵심 코드, 컴포넌트 또는 scan 엔진을 오픈소스 프로젝트, 상업용 제품 또는 내부 플랫폼에 통합하는 경우, 제품 문서, 사용 가이드 또는 UI "정보" 페이지에 다음을 명확히 기재해야 합니다:

   "This project integrates AI-Infra-Guard, open-sourced by Tencent Zhuque Lab."

3. 학술 및 기사 인용: 취약점 분석 보고서, 보안 연구 기사 또는 학술 논문에서 이 도구를 사용하는 경우 "Tencent Zhuque Lab AI-Infra-Guard"를 명시적으로 언급하고 저장소 링크를 포함해 주세요.

출처를 밝히지 않고 이 프로젝트를 독자적인 제품으로 재포장하는 것은 엄격히 금지됩니다.