🛡️ A.I.G（AI-Infra-Guard）

📖 文档  |  🌐 🇬🇧 English · 🇨🇳 中文

   

🚀 腾讯朱雀实验室打造的一站式 AI 红队测试平台

A.I.G (AI-Infra-Guard) 集成了 OpenClaw 安全检查、Agent 安全扫描、AI 工具与技能扫描、AI 基础设施漏洞扫描，以及 LLM 安全评估（越狱评测），旨在提供最全面、智能且易用的 AI 安全风险检查方式。

我们致力于将 A.I.G(AI-Infra-Guard) 打造成行业领先的 AI 红队测试平台。更多 Star 能让这个项目触达更广泛的受众，吸引更多开发者参与贡献，从而加快迭代与改进。你的 Star 对我们至关重要！

## 目录 - [🚀 快速开始](#-quick-start) - [🧰 独立使用](#-standalone-use) - [🖼️ 展示](#️-showcase) - [📖 用户指南](#-user-guide) - [🏗️ 架构演进](./docs/architecture_evolution.md) - [📝 贡献指南](#-contribution-guide) - [🛡️ 关于团队](#️-about-the-team) - [🙏 致谢](#-acknowledgements) - [💬 加入社区](#-join-the-community) - [📖 引用](#-citation) - [📄 许可证](#-license)

## 🚀 快速开始 ### 🐳 使用 Docker 部署 A.I.G

Docker	内存	磁盘空间
20.10 或更高版本	4GB+	10GB+

# This method pulls pre-built images from Docker Hub for a faster start
git clone https://github.com/Tencent/AI-Infra-Guard.git
cd AI-Infra-Guard
# For Docker Compose V2+, replace 'docker-compose' with 'docker compose'
docker-compose -f docker-compose.images.yml up -d

服务运行后，可通过以下地址访问 A.I.G Web 界面： http://localhost:8088

其他安装方式

方式 2：一键安装脚本（推荐）

# This method will automatically install Docker and launch A.I.G with one command
curl https://raw.githubusercontent.com/Tencent/AI-Infra-Guard/refs/heads/main/docker.sh | bash

方式 3：从源代码构建并运行

git clone https://github.com/Tencent/AI-Infra-Guard.git
cd AI-Infra-Guard
# This method builds a Docker image from local source code and starts the service
# (For Docker Compose V2+, replace 'docker-compose' with 'docker compose')
docker-compose up -d

注意：AI-Infra-Guard 项目定位为供企业或个人内部使用的 AI 红队测试平台。目前尚未提供身份验证机制，不应部署在公共网络上。

更多信息请参阅：https://tencent.github.io/AI-Infra-Guard/?menu=getting-started

🧰 独立使用

无需启动 Web 服务，即可通过命令行使用这五款扫描器。下方仅展示最简用法。参数和示例请参阅各自的 README。

AI 基础设施扫描

扫描域名、IP 或 URL，并匹配指纹和漏洞。

pip install aig-infra-scan
aig-infra-scan -t https://example.com

查看 README

大模型安全评估 / 越狱

评估提供 OpenAI 兼容 API 的模型。

pip install aig-model-scan
aig-model-scan \
  --model "gpt-4o-mini" \
  --base_url "https://api.openai.com/v1" \
  --api_key "your-api-key" \
  --max_concurrent 10 \
  --scenarios Bias \
  --techniques Raw

查看 README

MCP 扫描

扫描 MCP 服务源目录，或连接到已运行的服务。

pip install aig-mcp-scan
export LLM_API_KEY="your-api-key"
aig-mcp-scan --repo /path/to/mcp-server -o result.sarif.json

查看 README

Skill 扫描

审计本地 Agent Skill 目录。

pip install aig-skill-scan
export LLM_API_KEY="your-api-key"
aig-skill-scan --repo /path/to/your/skill -o result.sarif.json

查看 README

Agent 扫描

向运行中的 Agent 发送测试提示词。target.yaml 描述待测 Agent。API 密钥用于扫描器所使用的模型。

pip install aig-agent-scan
export LLM_API_KEY="your-api-key"
aig-agent-scan --agent_provider target.yaml -o result.json

查看 README

🖼️ 展示

A.I.G 主界面

📖 用户指南

访问我们的在线文档：https://tencent.github.io/AI-Infra-Guard/

如需更详细的常见问题解答和故障排除指南，请访问我们的文档。

📝 贡献指南

A.I.G 的核心优势之一是其丰富且易于配置的插件系统。我们欢迎社区贡献高质量插件和功能。

插件贡献规则

1. 指纹规则：将新的 YAML 指纹文件添加到 data/fingerprints/ 目录。
2. 漏洞规则：将新的漏洞扫描规则添加到 data/vuln/ 目录。
3. MCP 插件：将新的 MCP 安全扫描规则添加到 data/mcp/ 目录。
4. 模型评估数据集：将新的模型评估数据集添加到 data/eval 目录。

请参考现有规则格式创建新文件，并通过 Pull Request 提交。

其他贡献方式

• 🐛 报告 Bug
• 💡 建议新功能
• ⭐ 改进文档
  

## 🛡️ 关于团队

本项目由腾讯安全平台部旗下的腾讯朱雀实验室牵头并开发。 腾讯朱雀实验室成立于 2019 年，是一家顶尖安全研究实验室，专注于现实场景下的攻防研究和 AI 安全领域的前沿技术，研究范围涵盖大模型安全、AI Agent 安全、AI 赋能安全以及 AI 生成内容检测。

团队帮助 NVIDIA、Google 和 Microsoft 等大型厂商，以及 OpenClaw、Linux 和 Hugging Face 等开源社区修复了大量高危漏洞，并获得了这些厂商和社区的公开致谢。

我们已发布多款开源 AI 安全产品，包括 AI 红队安全测试平台 A.I.G (AI-Infra-Guard) 和朱雀 AI 检测助手。我们的研究成果广泛发表于 Black Hat、DEF CON、ICLR、CVPR、NeurIPS 和 ACL 等国际顶级安全与 AI 会议，我们还撰写了《AI 安全：技术与实践》一书。

👥 核心成员与贡献

角色	成员	贡献
腾讯安全平台部负责人	Yong Yang	发起 A.I.G 项目，并提出 AI Agent 失控风险自动化评估方案，推动平台从 AI 基础设施漏洞扫描扩展到 Agent 执行风险、工具滥用和权限边界评估。
腾讯朱雀实验室负责人	Xing Zheng	提出漏洞自动更新与基准对齐机制，助力 AI Infra 指纹、CVE/GHSA 规则和基准持续迭代。
项目负责人	Nicky	前沿安全研究、产品规划、技术路线决策、内外部协作与沟通。
技术负责人	Python	整体架构设计、核心模块开发和版本迭代。
核心贡献者	Zona	前端交互、产品体验、社区运营和用户反馈闭环。
核心贡献者	Fyoung	AI Infra 漏洞组件指纹更新和基准系统构建。
核心贡献者	Xiangfan	Skill 风险与 Agent 失控场景的安全能力开发。
核心贡献者	Elwood	增强 Agent 安全扫描能力并更新技术报告。
核心贡献者	Robert	大模型安全评估与越狱评估策略运营。
核心贡献者	Zoe	大模型安全评估、越狱评估和模型集成模块开发。
贡献者	Ronin	参与 AI Agent 安全扫描开发。
贡献者	Rsin	参与社区运营和活动宣传。

🙏 致谢

🎓 学术合作

感谢学术合作伙伴在研究方面的贡献和提供的技术支持。

Prof. hui Li

Bin Wang

Zexin Liu

Hao Yu

Ao Yang

Zhengxi Lin

Prof. Zhemin Yang

Kangwei Zhong

Jiapeng Lin

Cheng Sheng

👥 感谢以下团队和开发者

🤝 感谢以下组织和团队使用并支持 A.I.G

💬 加入社区

🌐 在线讨论

• GitHub 讨论区：加入社区讨论
• 问题与 Bug 报告：报告问题或提出功能建议

📱 讨论社区

微信群

📧 联系我们

如有合作咨询或反馈，请通过以下邮箱联系我们：[email protected]

🔗 更多安全工具

如果您对代码安全感兴趣，我们推荐 A.S.E (AICGSecEval)，这是腾讯悟空代码安全团队开源的业界首个项目级 AI 生成代码安全评估框架。

📖 引用

如果您在研究或产品中使用 A.I.G，请引用：

@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}
}

📄 许可证

本项目基于 Apache License 2.0 开源。详情请参阅 LICENSE 文件。

⚖️ 许可证与署名

本项目基于 Apache License 2.0 开源。我们热烈欢迎并鼓励社区贡献、集成和衍生作品，但须遵守以下署名要求：

1. 保留声明：在任何分发版本中，均须保留原项目的 LICENSE 和 NOTICE 文件。
2. 产品署名：如果将 AI-Infra-Guard 的核心代码、组件或扫描引擎集成到开源项目、商业产品或内部平台中，必须在产品文档、使用指南或 UI「关于」页面中明确注明以下内容：

   “本项目集成了由 Tencent Zhuque Lab 开源的 AI-Infra-Guard。”

3. 学术与文章引用：如果在漏洞分析报告、安全研究文章或学术论文中使用此工具，请明确提及 “Tencent Zhuque Lab AI-Infra-Guard”，并附上仓库链接。

严禁将本项目重新打包为原创产品而不披露其来源。