📖 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

🚀 Быстрый старт

🐳 Развёртывание с Docker

Docker	ОЗУ	Дисковое пространство
20.10 или выше	4 ГБ+	10 ГБ+

# 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.

📦 Дополнительные варианты установки

Другие методы установки

Метод 2: Скрипт установки одной командой (рекомендуется)

# 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

Метод 3: Сборка и запуск из исходного кода

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

Примечание: проект AI-Infra-Guard предназначен для использования в качестве платформы AI red teaming внутри предприятий или отдельными пользователями. В настоящее время механизм аутентификации не реализован, поэтому не следует разворачивать его в публичных сетях.

Дополнительная информация: https://tencent.github.io/AI-Infra-Guard/?menu=getting-started

⚡ 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

💎 Дополнительные преимущества

🖥️ Современный веб-интерфейс: удобный UI со сканированием одним кликом и отслеживанием прогресса в реальном времени
🔌 Полный API: полная документация интерфейсов и спецификации Swagger для простой интеграции
🤖 Готов к агентам: готовые к использованию навыки агентов на ClawHub — EdgeOne ClawScan, EdgeOne Skill Scanner и AIG Scanner — бесшовно встраивайте сканирование безопасности в любой рабочий процесс ИИ-агентов
🌐 Мультиязычность: интерфейсы на китайском и английском языках с локализованной документацией
🐳 Кроссплатформенность: поддержка Linux, macOS и Windows с развёртыванием на основе Docker
🆓 Бесплатно и с открытым исходным кодом: полностью бесплатно по лицензии Apache 2.0

🖼️ Демонстрация

Главный интерфейс A.I.G

A.I.G Main Page

Управление плагинами

Plugin Management

🗺️ 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

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

Правила отпечатков (Fingerprint Rules): добавьте новые YAML-файлы отпечатков в директорию data/fingerprints/.
Правила уязвимостей: добавьте новые правила сканирования уязвимостей в директорию data/vuln/.
MCP-плагины: добавьте новые правила сканирования безопасности MCP в директорию data/mcp/.
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

🛡️ 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.

👥 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

"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]
"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]
"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):

📄 Показать все 19 цитируемых статей

Chenning Li, Pan Hu, Justin Xu et al. "ADR: An Agentic Detection System for Enterprise Agentic AI Security." arXiv preprint arXiv:2605.17380 (2026). [pdf]
Zhaojiacheng Zhou. "Proteus: A Self-Evolving Red Team for Agent Skill Ecosystems." arXiv preprint arXiv:2605.11891 (2026). [pdf]
Hengkai Ye, Zhechang Zhang, Jinyuan Jia et al. "TRUSTDESC: Preventing Tool Poisoning in LLM Applications via Trusted Description Generation." arXiv preprint arXiv:2604.07536 (2026). [pdf]
Zenghao Duan, Yuxin Tian, Zhiyi Yin et al. "SkillAttack: Automated Red Teaming of Agent Skills through Attack Path Refinement." arXiv preprint arXiv:2604.04989 (2026). [pdf]
Yiheng Huang, Zhijia Zhao, Bihuan Chen et al. "From Component Manipulation to System Compromise: Understanding and Detecting Malicious MCP Servers." arXiv preprint arXiv:2604.01905 (2026). [pdf]
Yi Ting Shen, Kentaroh Toyoda, Alex Leung. "MCP-38: A Comprehensive Threat Taxonomy for Model Context Protocol Systems (v1.0)." arXiv preprint arXiv:2603.18063 (2026). [pdf]
Yuepeng Hu, Yuqi Jia, Mengyuan Li et al. "MalTool: Malicious Tool Attacks on LLM Agents." arXiv preprint arXiv:2602.12194 (2026). [pdf]
Naen Xu, Jinghuai Zhang, Ping He et al. "FraudShield: Knowledge Graph Empowered Defense for LLMs against Fraud Attacks." arXiv preprint arXiv:2601.22485v1 (2026). [pdf]
Ruiqi Li, Zhiqiang Wang, Yunhao Yao et al. "MCP-ITP: An Automated Framework for Implicit Tool Poisoning in MCP." arXiv preprint arXiv:2601.07395v1 (2026). [pdf]
Jingxiao Yang, Ping He, Tianyu Du et al. "HogVul: Black-box Adversarial Code Generation Framework Against LM-based Vulnerability Detectors." arXiv preprint arXiv:2601.05587v1 (2026).

📧 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:

Сохранение уведомлений: в любом дистрибутиве необходимо сохранять файлы LICENSE и NOTICE из оригинального проекта.
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.»
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.

1	Claude Opus 4.6	0.9848	0.9725	0.9974	0.0663
2	GLM 5.1	0.9836	0.9701	0.9974	0.0723
3	Gemini 3.5 Flash	0.9792	0.9947	0.9641	0.0120
4	Kimi 2.6	0.9780	0.9895	0.9667	0.0241
5	DeepSeek v4 Flash	0.9740	0.9868	0.9615	0.0301

A · Инструкции и память	T01 Перехват инструкций Skill, T02 Отравление памяти
B · Выполнение кода	T03 Загрузка и выполнение удалённой полезной нагрузки, T04 Встроенный вредоносный код
C · Системные привилегии	T05 Повышение привилегий и несанкционированный доступ, T06 Системная персистентность
D · Цепочка инструментов и зависимости	T07 Перехват и подмена инструментов, T08 Небезопасные зависимости
E · Качество кода Skill	T09 Небезопасные практики программирования

ClawScan (OpenClaw Security Scan)	Поддерживает оценку рисков безопасности OpenClaw одним кликом. Обнаруживает небезопасные конфигурации, риски Skill, уязвимости CVE и утечки конфиденциальных данных.
Agent Scan	Независимый многоагентный автоматизированный фреймворк сканирования, предназначенный для оценки безопасности рабочих процессов AI Agent. Поддерживает агентов, работающих на различных платформах, включая Dify и Coze.
MCP Server && Agent Skills scan	Обнаруживает 14 основных категорий рисков безопасности. Применимо как к MCP Server, так и к Agent Skills. Гибко поддерживает сканирование как из исходного кода, так и по удалённым URL.
Сканирование уязвимостей AI-инфраструктуры	Точно идентифицирует более 100 компонентов AI-фреймворков. Покрывает более 1900 известных CVE-уязвимостей. Поддерживаемые фреймворки: Ollama, ComfyUI, vLLM, n8n, Triton Inference Server и другие.
Jailbreak Evaluation	Оценка рисков prompt-безопасности с использованием тщательно отобранных наборов данных. Применяет несколько методов атак для проверки устойчивости. Предоставляет детальные возможности сравнения между моделями.

Локально запущенный экземпляр vLLM	`http://127.0.0.1:8000`
Сервер Ollama в локальной сети	`http://192.168.1.100:11434`
Экземпляр ComfyUI, доступный внутри сети	`http://10.0.0.5:8188`
Несколько хостов (по одному на строку)	`192.168.1.0/24` (CIDR), `10.0.0.1-10.0.0.20` (диапазон)

Руководитель Tencent Security Platform Department	Yong Yang	Инициировал A.I.G и предложил направление автоматизированной оценки рисков потери контроля над ИИ-агентами, продвигая расширение платформы со сканирования уязвимостей инфраструктуры ИИ до оценки рисков выполнения агентов, злоупотребления инструментами и границ полномочий.
Руководитель Tencent Zhuque Lab	Xing Zheng	Предложил механизм автоматического обновления уязвимостей и согласования бенчмарков, что обеспечивает непрерывную итерацию фингерпринтов AI Infra, правил CVE/GHSA и системы бенчмарков.
Руководитель проекта	Nicky	Передовые исследования в области безопасности, планирование продукта, принятие решений по технической дорожной карте, внутреннее и внешнее взаимодействие и коммуникации.
Технический руководитель	Python	Проектирование общей архитектуры, разработка ключевых модулей и итерация версий.
Основной контрибьютор	Zona	Frontend-взаимодействие, пользовательский опыт продукта, работа с сообществом и замкнутый цикл обратной связи с пользователями.
Основной контрибьютор	Fyoung	Обновление фингерпринтов уязвимых компонентов AI Infra и построение системы бенчмарков.
Основной контрибьютор	Robert	Оценка безопасности LLM и операционная работа над стратегиями оценки джейлбрейка.
Основной контрибьютор	Zoe	Оценка безопасности LLM, оценка джейлбрейка и разработка модуля интеграции моделей.
Основной контрибьютор	Xiangfan	Разработка средств безопасности для рисков, связанных со Skill, и сценариев потери контроля над агентами.
Контрибьютор	Ronin	Участвовал в разработке сканирования безопасности ИИ-агентов.
Контрибьютор	Rsin	Участвовал в работе сообщества и коммуникациях по кампаниям.

AI-Infra-Guard

Популярное