입력된 콘텐츠가 없습니다.```
$ modelaudit suspicious_model.pkl

Files scanned: 1 | Issues found: 2 critical, 1 warning

1. suspicious_model.pkl (pos 28): [CRITICAL] Malicious code execution attempt
   Why: Contains os.system() call that could run arbitrary commands

2. suspicious_model.pkl (pos 52): [WARNING] Dangerous pickle deserialization
   Why: Could execute code when the model loads

### 인증 환경 변수

- `HF_TOKEN` - 비공개 Hugging Face 저장소용
- `AWS_ACCESS_KEY_ID` / `AWS_SECRET_ACCESS_KEY` (및 선택적으로 `AWS_SESSION_TOKEN`) - S3용
- `GOOGLE_APPLICATION_CREDENTIALS` - GCS용
- `MLFLOW_TRACKING_URI` - MLflow 레지스트리 접근용
- `MODELAUDIT_MLFLOW_ALLOWED_ARTIFACT_URIS` - 비로컬 MLflow 아티팩트 루트용 (쉼표로 구분된 URI 접두사)
- `s3://bucket/prefix`와 같은 구체적인 백엔드 루트를 사용하세요. 논리적 `models:/` 또는 `runs:/` URI와 퍼센트 인코딩된 원격 경로는 거부됩니다.
- `JFROG_API_TOKEN` 또는 `JFROG_ACCESS_TOKEN` - JFrog Artifactory용
- `MODELAUDIT_JFROG_ALLOWED_HOSTS` - 자격 증명을 받을 수 있는 쉼표로 구분된 사용자 지정 JFrog 호스트 이름용
- `MODELAUDIT_JFROG_ALLOWED_REDIRECT_HOSTS` - 자격 증명 없이 다운로드할 수 있는 쉼표로 구분된 외부 리디렉션 호스트 이름용
- 자격 증명은 환경 변수 또는 시크릿 관리자에 저장하고, 토큰/키를 커밋하지 마세요.

## 설치```bash
# Broad scanner coverage (recommended; excludes the TensorFlow runtime and platform-specific TensorRT)
pip install "modelaudit[all]"

# Core only (static scanners, pickle, NumPy, archives, manifests, metadata)
pip install modelaudit

# Specific frameworks (TensorFlow installs on Python 3.11-3.12; ONNX installs on Python 3.10-3.12)
pip install "modelaudit[tensorflow,pytorch,h5,onnx,safetensors]"

# CI/CD environments
pip install "modelaudit[all-ci]"

# On Python 3.11-3.12, add TensorFlow only when you need runtime-dependent checkpoint or weight analysis
pip install "modelaudit[all,tensorflow]"

# Docker
docker run --rm -v "$(pwd)":/app ghcr.io/promptfoo/modelaudit:latest model.pkl

일반적인 스캔 옵션:```text
--format {text,json,sarif}   Output format (default: auto-detected)
--output FILE                Write results to file
--strict                     Fail on warnings, scan all file types, strict license validation
--sbom FILE                  Generate CycloneDX SBOM
--stream                     Process files one-by-one; remote downloads are deleted after scanning
--assume-shard-family        Treat explicitly listed cross-directory shards as one model family
--max-size SIZE              Size limit (e.g., 10GB)
--timeout SECONDS            Override scan timeout
--dry-run                    Preview what would be scanned
--verbose / --quiet          Control output detail
--blacklist PATTERN          Additional patterns to flag
--no-cache                   Disable result caching
--cache-dir DIR              Set cache directory for downloads and scan results
--progress                   Force progress display
--scanners LIST              Only run selected scanners (IDs/classes; comma-separated or repeated)
--exclude-scanner NAME       Exclude a scanner from the active set (comma-separated or repeated)
--list-scanners              List scanner IDs, class names, extensions, and dependencies

`--scanners`는 명시적 허용 목록에서 시작합니다. `--exclude-scanner`는 해당 허용 목록 또는 기본 스캐너 세트에서 스캐너를 뺍니다. 스캐너 선택은 JSON 출력의 `scanner_selection` 아래에 반영됩니다.

원격 폴더의 경우 ModelAudit은 안전할 때 선택된 스캐너 확장자에 따라 다운로드를 제한합니다. 콘텐츠 기반 renamed-wrapper 라우팅은 획득 후 적용됩니다. 저장소 파일 이름이 의도적으로 오해를 불러일으킬 수 있는 경우 직접 파일 URL을 스캔하십시오.

## 메타데이터 추출```bash
# Human-readable summary (safe default: no model deserialization)
modelaudit metadata model.safetensors

# Machine-readable output
modelaudit metadata ./models --format json --output metadata.json

# Focus only on security-relevant metadata fields
modelaudit metadata model.onnx --security-only

editable/개발 설치 중 옵트인하려면:```bash
export MODELAUDIT_TELEMETRY_DEV=1

## 문제 해결

- `modelaudit doctor --show-failed`를 실행하여 사용할 수 없는 스캐너와 누락된 선택적 종속성을 확인하세요.
- `modelaudit debug --json`를 실행하여 버그 보고용 환경/구성 진단 정보를 수집하세요.
- `modelaudit cache cleanup --max-age 30`을 사용하여 오래된 캐시 항목을 안전하게 제거하세요.
- `pip`이 이전 버전을 설치하는 경우 Python이 지원되는지 확인하세요 (`python --version`; ModelAudit은 Python 3.10-3.13을 지원합니다).
- 추가 문제 해결 및 클라우드 인증 지침은 다음을 참조하세요:
  - https://www.promptfoo.dev/docs/model-audit/
  - https://www.promptfoo.dev/docs/model-audit/usage/

## 문서

- **[전체 문서](https://www.promptfoo.dev/docs/model-audit/)** — 설정, 구성 및 고급 사용법
- **[사용 예제](https://www.promptfoo.dev/docs/model-audit/usage/)** — CI/CD 통합, 원격 스캔, SBOM 생성
- **[지원 형식](https://www.promptfoo.dev/docs/model-audit/scanners/)** — 상세 스캐너 문서
- **[지원 정책](https://github.com/promptfoo/modelaudit/blob/main/SUPPORT.md)** — 지원되는 Python/OS 버전 및 유지보수 정책
- **[보안 모델 및 제한 사항](https://github.com/promptfoo/modelaudit/blob/main/docs/user/security-model.md)** — ModelAudit이 보장하는 것과 보장하지 않는 것
- **[호환성 매트릭스](https://github.com/promptfoo/modelaudit/blob/main/docs/user/compatibility-matrix.md)** — 파일 형식 대 선택적 종속성
- **[스캐너 선택](https://github.com/promptfoo/modelaudit/blob/main/docs/user/scanner-selection.md)** — 대상 스캐너 허용 목록 및 제외
- **[메타데이터 추출 가이드](https://github.com/promptfoo/modelaudit/blob/main/docs/user/metadata-extraction.md)** — 안전한 메타데이터 워크플로 및 `--trust-loaders` 지침
- **[오프라인/에어갭 가이드](https://github.com/promptfoo/modelaudit/blob/main/docs/user/offline-air-gapped.md)** — 인터넷 접속 없이 안전한 운영
- **문제 해결** — `modelaudit doctor --show-failed`를 실행하여 스캐너 사용 가능 여부를 확인하세요

## 관련 패키지

- **[`modelaudit-picklescan`](https://pypi.org/project/modelaudit-picklescan/)** — ModelAudit의 pickle, PyTorch, ExecuTorch 및 PyTorch-ZIP 스캐너에서 사용되는 독립형 Rust 기반 pickle 스캐너입니다. 전체 스캐너 번들을 원하지 않고 pickle 분석만 필요하다면(CLI가 아닌 라이브러리로) 직접 설치하세요.

## 취약점 신고

의심되는 취약점에 대해 공개 이슈를 열지 마세요. 조정된 공개 절차는 [SECURITY.md](https://github.com/promptfoo/modelaudit/blob/main/SECURITY.md)를 참조하세요.

## 기여

이슈, 기능 요청 및 PR을 환영합니다. [CONTRIBUTING.md](https://github.com/promptfoo/modelaudit/blob/main/CONTRIBUTING.md)를 참조하세요.

## 라이선스

MIT 라이선스 — 자세한 내용은 [LICENSE](https://github.com/promptfoo/modelaudit/blob/main/LICENSE)를 참조하세요.