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

🚀 Платформа AI Red Teaming от Tencent Zhuque Lab

A.I.G (AI-Infra-Guard) объединяет такие возможности, как ClawScan (сканирование безопасности OpenClaw), Agent Scan, сканирование уязвимостей AI-инфраструктуры, сканирование MCP Server и Agent Skills, а также Jailbreak Evaluation — всё это для предоставления пользователям наиболее комплексного, интеллектуального и удобного решения для самостоятельной проверки рисков безопасности ИИ.

Мы стремимся сделать A.I.G (AI-Infra-Guard) ведущей отраслевой платформой AI red teaming. Чем больше звёзд получает проект, тем шире его аудитория и тем больше разработчиков вносят свой вклад, ускоряя итерации и улучшения. Ваша звезда имеет для нас огромное значение!

📋 Опрос пользователей

Помогите нам улучшить A.I.G! Пожалуйста, уделите 3-5 минут, чтобы заполнить наш Опрос пользователей. Пользователи, которые оставят качественный отзыв и укажут действующий адрес электронной почты, получат эксклюзивный сувенир от Tencent.

🚀 Новое

• 2026-07-24 · v4.5.0 — Запущен рынок навыков безопасности ИИ (3 официальных skill); фронтенд полностью open source; двигатель сканирования Skill обновлён (9 категорий рисков, SkillTrustBench максимальный 0.9848); сканирование Skill/MCP/Agent как отдельный CLI; библиотека уязвимостей расширена до 130 компонентов, 1888 правил
• 2026-06-25 · v4.1.15 — MCP Scan: 3 новых правила обнаружения угроз (отравление инструментов, утечка учётных данных, внедрение команд); 6 новых CVE-правил для llama.cpp; model.token теперь необязателен — используется системная модель по умолчанию.
• 2026-06-18 · v4.1.14 — Prompt Security: 9 новых одноходовых операторов атак; новый skill aig-agent-redteam для комплексной оценки Agent ред тима.
• 2026-06-11 · v4.1.13 — Новый API-эндпоинт проверки версии; оценка безопасности переключена на модель абсолютного вычета для более чёткой оценки рисков.
• 2026-06-08 · v4.1.12 — Расширение библиотеки отпечатков: добавлено 39 новых AI Web отпечатков, улучшено 18 существующих.

👉 Предыдущие версии · 🛒 Рынок навыков безопасности ИИ · 🔍 skill-scan CLI · 🔍 mcp-scan CLI · 🔍 agent-scan CLI · 📊 SkillTrustBench

Содержание

• 🚀 Быстрый старт
• ✨ Возможности
• 🖼️ Демонстрация
• 📖 Руководство пользователя
• 🔧 Документация API
• 🏗️ Эволюция Архитектуры
• 📝 Руководство по участию
• 🛡️ О команде
• 🙏 Благодарности
• 💬 Присоединиться к сообществу
• 📖 Цитирование
• 📚 Публикации
• ⚖️ Лицензия и атрибуция
  
  

🚀 Быстрый старт

🐳 Развёртывание с Docker

# Этот метод загружает готовые образы из Docker Hub для быстрого запуска
git clone https://github.com/Tencent/AI-Infra-Guard.git
cd AI-Infra-Guard
# Для Docker Compose V2+ замените 'docker-compose' на 'docker compose'
docker-compose -f docker-compose.images.yml up -d

После запуска сервиса веб-интерфейс A.I.G доступен по адресу: http://localhost:8088

Использование из OpenClaw

Вы также можете вызвать A.I.G напрямую из чата OpenClaw через skill aig-scanner.

clawhub install aig-scanner

Затем настройте AIG_BASE_URL, указав адрес вашего запущенного сервиса A.I.G.

Подробнее см. в README aig-scanner.

# Этот метод автоматически устанавливает Docker и запускает A.I.G одной командой  
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
# Этот метод собирает Docker-образ из локального исходного кода и запускает сервис
# (Для Docker Compose V2+ замените 'docker-compose' на 'docker compose')
docker-compose up -d

⚡ Установите aig-skill-scan одной командой

Инструмент аудита безопасности Agent Skills, легко интегрируемый в корпоративные CI/CD пайплайны. Классификация уязвимостей соответствует таксономии SkillTrustBench T01–T09. Подробнее →

pip install aig-skill-scan

# Установить API-ключ через переменную окружения
export LLM_API_KEY="your-api-key"

# Сканировать локальный каталог проекта Skill
aig-skill-scan --repo /path/to/your/skill \
           -m deepseek-v4-flash \
           --language en \
           -o result.json

🌟 Попробуйте онлайн Pro-версию

Оцените Pro-версию с расширенными функциями и улучшенной производительностью. Для входа требуется пригласительный код; приоритет предоставляется участникам, создавшим issues, pull request'ы или обсуждения, а также активно помогающим развивать сообщество. Перейти: https://aigsec.ai/.

✨ Возможности

🔍 Производительность и покрытие aig-skill-scan

Производительность на SkillTrustBench с различными LLM:

Покрывает 9 категорий рисков безопасности Skills (SkillTrustBench T01–T09):

Полный рейтинг и подробности на SkillTrustBench.

🔬 Сканирование безопасности и оценка

🖼️ Демонстрация

Главный интерфейс A.I.G

Управление плагинами

🗺️ Краткое руководство по использованию

После развёртывания откройте в браузере http://localhost:8088.

Сканирование уязвимостей AI-инфраструктуры

Что вводить в качестве целевого URL / IP?

Целью является сетевой адрес работающего AI-сервиса, который вы хотите проверить — не URL на GitHub и не путь к исходному коду. A.I.G подключается к работающему сервису и идентифицирует его для поиска известных CVE-уязвимостей.

Пошагово: сканирование локального экземпляра vLLM

1. Запустите vLLM обычным способом (например, python -m vllm.entrypoints.api_server --model meta-llama/...)
2. В веб-интерфейсе A.I.G нажмите «AI基础设施安全扫描 / AI Infra Scan»
3. Введите http://127.0.0.1:8000 (или IP/порт, на котором слушает vLLM)
4. Нажмите Start Scan — A.I.G идентифицирует сервис и сопоставит его с 1900+ известными CVE
5. Просмотрите отчёт: версия компонента, найденные уязвимости, степень серьёзности и ссылки на исправления

💡 Совет: чтобы проверить именно nightly-сборку vLLM, просто запустите её и укажите A.I.G её адрес. Сканер определит версию автоматически.

Сканирование MCP Server и Agent Skills

Введите удалённый URL (например, https://github.com/user/mcp-server) или загрузите локальный архив с исходным кодом — работающий экземпляр не требуется.

Jailbreak Evaluation

Настройте API-эндпоинт целевого LLM (базовый URL + ключ API) в разделе Settings → Model Config, затем выберите набор данных и запустите оценку.

📖 Руководство пользователя

Онлайн-документация: https://tencent.github.io/AI-Infra-Guard/

Расширенные FAQ и руководства по устранению неполадок доступны в документации.

🔧 Документация API

A.I.G предоставляет полный набор API для создания задач, поддерживающий возможности сканирования AI-инфраструктуры, сканирования MCP Server и Jailbreak Evaluation.

После запуска проекта посетите http://localhost:8088/docs/index.html для просмотра полной документации API.

Подробные инструкции по использованию API, описания параметров и примеры кода см. в полной документации API.

📝 Руководство по участию

Расширяемый фреймворк плагинов является архитектурной основой A.I.G и открыт для инноваций сообщества через вклад плагинов и новых функций.

Правила участия в разработке плагинов

1. Правила отпечатков (Fingerprint Rules): добавьте новые YAML-файлы отпечатков в директорию data/fingerprints/.
2. Правила уязвимостей: добавьте новые правила сканирования уязвимостей в директорию data/vuln/.
3. MCP-плагины: добавьте новые правила сканирования безопасности MCP в директорию data/mcp/.
4. Наборы данных для Jailbreak Evaluation: добавьте новые наборы данных для оценки в директорию data/eval.

Ориентируйтесь на существующие форматы правил, создавайте новые файлы и отправляйте их через Pull Request.

Другие способы внести вклад

• 🐛 Сообщить об ошибке
• 💡 Предложить новую функцию
• ⭐ Улучшить документацию
  

🛡️ О команде

Этот проект разрабатывается под руководством Tencent Zhuque Lab — подразделения Tencent Security Platform Department. Основанная в 2019 году, лаборатория Tencent Zhuque Lab является ведущей лабораторией исследований в области безопасности, специализирующейся на практических наступательных и оборонительных исследованиях и передовых технологиях в сфере безопасности ИИ. Направления исследований охватывают безопасность больших языковых моделей, безопасность ИИ-агентов, безопасность с применением ИИ и обнаружение контента, сгенерированного ИИ.

Команда помогла таким крупным вендорам, как NVIDIA, Google и Microsoft, а также таким сообществам открытого кода, как OpenClaw, Linux и Hugging Face, устранить большое количество критических уязвимостей и получила официальные публичные благодарности.

Команда выпустила открытые продукты по безопасности ИИ, включая платформу тестирования безопасности AI Red Team A.I.G (AI-Infra-Guard) и Zhuque AI Detection Assistant. Результаты исследований широко публикуются на ведущих международных конференциях по безопасности и ИИ, таких как Black Hat, DEF CON, ICLR, CVPR, NeurIPS и ACL, а также авторами выпущена книга «AI Security: Technology and Practice».

👥 Ключевые участники и вклад

🙏 Благодарности

🎓 Академические партнёрства

Благодарим наших академических партнёров за их научный вклад и техническую поддержку.

Prof. hui Li

Bin Wang

Zexin Liu

Hao Yu

Ao Yang

Zhengxi Lin

Prof. Zhemin Yang

Kangwei Zhong

Jiapeng Lin

Cheng Sheng

👥 Благодарность разработчикам-участникам

Благодарим всех разработчиков, внёсших вклад в проект A.I.G.

🤝 Признательность нашим пользователям

Благодарим пользователей из следующих компаний и команд за использование A.I.G и ценные отзывы.

💬 Присоединиться к сообществу

🌐 Онлайн-обсуждения

• GitHub Discussions: присоединяйтесь к обсуждениям в сообществе
• Issues и сообщения об ошибках: сообщить о проблеме или предложить функцию

📱 Сообщество

WeChat Group	Discord [ссылка]

📧 Связаться с нами

По вопросам сотрудничества или обратной связи пишите нам: [email protected]

🔗 Рекомендуемые инструменты безопасности

Если вас интересует безопасность кода, ознакомьтесь с A.S.E (AICGSecEval) — первым в отрасли фреймворком для оценки безопасности AI-генерированного кода на уровне репозитория, выпущенным Tencent Wukong Code Security Team с открытым исходным кодом.

📖 Цитирование

Если вы используете A.I.G в своих исследованиях, пожалуйста, цитируйте так:

@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}
}

📚 Публикации

1. "Securing the AI Agent: A Unified Framework for Multi-Layer Agent Red Teaming" — Комплексный фреймворк для защиты систем ИИ-агентов с помощью многоуровневого красного тестирования инфраструктуры, цепочки поставок, взаимодействия во время выполнения и поверхностей развёртывания. [arXiv] [pdf]

2. "AI-Infra-Guard: An AI Red Teaming Platform" — Презентация на Black Hat Europe 2025 Arsenal с обзором возможностей A.I.G и реальных сценариев использования. [pdf]

3. "MCP Unchained: Compromising The AI Agent Ecosystem Via Its Universal Connector" — Доклад на Black Hat Europe 2025, раскрывающий риски безопасности протокола MCP в экосистеме ИИ-агентов. [pdf]

Благодарим исследовательские команды, цитировавшие A.I.G в своих академических работах (19 работ):

📧 Если вы использовали A.I.G в своих исследованиях или продукте, либо если мы случайно пропустили вашу публикацию — мы будем рады получить от вас весточку! Свяжитесь с нами.

⚖️ Лицензия и атрибуция

Проект распространяется с открытым исходным кодом под лицензией Apache License 2.0. Мы приветствуем и поощряем вклад сообщества, интеграции и производные работы при соблюдении следующих требований к атрибуции:

1. Сохранение уведомлений: в любом дистрибутиве необходимо сохранять файлы LICENSE и NOTICE из оригинального проекта.
2. Атрибуция продукта: если вы интегрируете основной код, компоненты или движок сканирования AI-Infra-Guard в свой проект с открытым исходным кодом, коммерческий продукт или внутреннюю платформу, необходимо чётко указать следующее в документации продукта, руководстве пользователя или странице «О программе» в UI:

   «Данный проект интегрирует AI-Infra-Guard, выпущенный с открытым исходным кодом компанией Tencent Zhuque Lab.»

3. Академические и статейные ссылки: если вы используете этот инструмент в отчётах об анализе уязвимостей, статьях по безопасности или научных работах, явно упомяните «Tencent Zhuque Lab AI-Infra-Guard» и включите ссылку на репозиторий.

Переупаковка данного проекта в качестве оригинального продукта без раскрытия его источника строго запрещена.