A.I.G

📖 文档  |  🌐 🇬🇧 English · 🇨🇳 中文

GitHub stars GitHub downloads docker pulls Release

EdgeOne ClawScan EdgeOne Skill Scanner AIG Scanner

OpenClaw Recommended

Tencent%2FAI-Infra-Guard | Trendshift  Tencent%2FAI-Infra-Guard | blackhat  Tencent%2FAI-Infra-Guard | awesome-deepseek-integration


🚀 腾讯朱雀实验室推出的一站式 AI 红队安全测试平台

A.I.G (AI-Infra-Guard) 集成OpenClaw安全体检、Agent安全扫描、AI工具技能扫描、AI基础设施漏洞扫描与大模型安全体检(越狱评估)等能力,旨在为用户提供最全面、智能与易用的AI安全风险自查解决方案。

我们致力于将A.I.G(AI-Infra-Guard)打造为业界领先的 AI 红队工具平台。更多的 Star 能让这个项目被更多人看到,吸引更多的开发者参与进来,从而让项目更快地迭代和完善。您的 Star 对我们至关重要!

点亮Star


## 目录 - [🚀 快速开始](#-快速开始) - [🧰 独立调用](#-独立调用) - [🖼️ 功能展示](#-功能展示) - [📖 用户指南](#-用户指南) - [🏗️ 架构演进](../docs/architecture_evolution.md) - [📝 贡献指南](#-贡献指南) - [🛡️ 关于团队](#️-关于团队) - [🙏 致谢](#-致谢) - [💬 加入社区](#-加入社区) - [📖 引用](#-引用) - [📄 开源协议](#-开源协议) ## 🚀 快速开始 ### 🐳 使用 Docker 部署 A.I.G | Docker | 内存 | 磁盘空间 | |:-------|:----|:----------| | 20.10 或更高 | 4GB+ | 10GB+ | ```bash # 此方法会从 Docker Hub 拉取预构建的镜像 git clone https://github.com/Tencent/AI-Infra-Guard.git cd AI-Infra-Guard # Docker Compose V2+ 请将 'docker-compose' 替换为 'docker compose' docker-compose -f docker-compose.images.yml up -d ``` 服务启动后,您可以通过以下地址访问 A.I.G 的 Web 界面: `http://localhost:8088`
### 其他安装方式 **方式 2:一键安装脚本(推荐)** ```bash # 此方法将自动安装 Docker 并启动 A.I.G curl https://raw.githubusercontent.com/Tencent/AI-Infra-Guard/refs/heads/main/docker.sh | bash ``` **方式 3:源码编译运行** ```bash git clone https://github.com/Tencent/AI-Infra-Guard.git cd AI-Infra-Guard # 此方法从本地源代码构建 Docker 镜像并启动服务 # (Docker Compose V2+ 请将 'docker-compose' 替换为 'docker compose') docker-compose up -d ``` 注意:AI-Infra-Guard 项目定位为企业或个人内部使用的 AI 红队测试平台,目前暂无鉴权认证机制,请勿在公网环境中部署使用。 更多信息请参阅:[https://tencent.github.io/AI-Infra-Guard/?menu=getting-started](https://tencent.github.io/AI-Infra-Guard/?menu=getting-started) ## 🧰 独立调用 下面这些能力可以不启动 Web 服务,各自安装后在命令行使用。只给出最短用法,参数和示例见对应 README。 ### AI 基础设施扫描 扫描域名、IP 或 URL,匹配指纹和漏洞。 ```bash pip install aig-infra-scan aig-infra-scan -t https://example.com ``` [查看 README](../infra-scan/README_zh.md) ### AI安全合规检测 本机打开页面,检查模型应拒答情况,也可以扫描基础设施。评测集在仓库的 `data/eval`,请在仓库根目录运行,或设置 `AIG_EVAL_DIR`。 ```bash pip install aig-compliance aig-compliance ``` [查看 README](../compliance/README_zh.md) ### 大模型体检 / 越狱 对兼容 OpenAI 接口的模型做安全评测。 ```bash 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](../AIG-PromptSecurity/README_ZH.md) ### MCP 扫描 扫描 MCP Server 源码目录,或连接一个已经在运行的服务。 ```bash 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](../mcp-scan/README_zh.md) ### Skill 扫描 审计本地 Agent Skill 目录。 ```bash 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](../skill-scan/README_zh.md) ### Agent 扫描 向正在运行的 Agent 发送测试提示。`target.yaml` 描述被测 Agent,密钥给扫描用的模型。 ```bash 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](../agent-scan/README_zh.md) ## 🖼️ 功能展示 ### A.I.G 主界面 ![A.I.G主界面](../img/aig-zh.gif) ![插件管理](../img/plugin-zh.gif)
## 📖 用户指南 访问我们的在线文档:[https://tencent.github.io/AI-Infra-Guard/](https://tencent.github.io/AI-Infra-Guard/) 更多详细的常见问题解答和故障排除指南,请访问我们的[文档](https://tencent.github.io/AI-Infra-Guard/?menu=faq)。

## 📝 贡献指南 A.I.G 的核心能力之一就是其丰富且可快速配置的插件系统。我们欢迎社区贡献高质量的插件和功能。 ### 贡献插件规则 1. **指纹规则**: 在 `data/fingerprints/` 目录下添加新的 YAML 指纹文件 2. **漏洞规则**: 在 `data/vuln/` 目录下添加新的漏洞检测规则 3. **MCP 插件**: 在 `data/mcp/` 目录下添加新的 MCP 安全检测规则 4. **模型评测集**: 在 `data/eval` 目录下添加新的模型评测集 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](https://github.com/Tencent/AI-Infra-Guard/issues) - 💡 [建议新功能](https://github.com/Tencent/AI-Infra-Guard/issues) - ⭐ [改进文档](https://github.com/Tencent/AI-Infra-Guard/pulls)

## 🛡️ 关于团队 本项目由 腾讯安全平台部朱雀实验室(Tencent Zhuque Lab) 主导开发。腾讯朱雀实验室是腾讯安全平台部于 2019 年成立的顶尖安全实验室,专注于 AI 安全领域的实战攻防与前沿技术研究,研究方向涵盖大模型安全、AI 智能体安全、AI 赋能安全与 AI 生成检测等领域。 团队多次协助 英伟达、谷歌、微软 等知名厂商以及 OpenClaw、Linux、Hugging Face 等开源社区修复大量高危漏洞,并获得官方公开致谢。 先后推出开源 AI 红队安全测试平台 A.I.G(AI-Infra-Guard) 及 朱雀 AI 检测助手 等 AI 安全产品。研究成果广泛发表于 Black Hat、DEF CON、ICLR、CVPR、NeurIPS、ACL 等国际顶级安全与 AI 学术会议,并出版专著《AI 安全:技术与实战》。 ### 👥 核心成员与贡献 | 角色 | 成员 | 贡献 | | --- | --- | --- | | 腾讯安全平台部负责人 | **杨勇** | 发起 A.I.G 项目,并提出"智能体失控风险自动化评估"方向,推动平台从 AI 基础设施漏洞扫描扩展到智能体执行风险、工具滥用和权限边界评估。 | | 腾讯朱雀实验室负责人 | **郑兴** | 提出自动化漏洞更新与基准对齐机制,推动 AI Infra 指纹、CVE/GHSA 规则与 Benchmark 体系持续迭代。 | | 项目负责人 | **Nicky** | 负责前沿安全研究、产品规划、技术路线决策、内外部合作与宣发。 | | 技术负责人 | **Python** | 负责整体架构设计、核心模块研发与版本迭代。 | | 核心贡献者 | **Zona** | 负责前端交互与产品体验、社区运营及用户反馈闭环。 | | 核心贡献者 | **Fyoung** | 负责 AI Infra 漏洞组件指纹更新与 Benchmark 体系构建。 | | 核心贡献者 | **Xiangfan** | 负责 Skill 与 Agent 失控相关安全能力研发。 | | 核心贡献者 | **Elwood** | 负责 Agent 安全扫描的能力提升与技术报告更新。 | | 核心贡献者 | **Robert** | 负责大模型安全评估(越狱评测)策略运营。 | | 核心贡献者 | **Zoe** | 负责大模型安全评估(越狱评测)与模型接入模块研发。 | | 贡献者 | **Ronin** | 参与 AI 智能体安全扫描研发。 | | 贡献者 | **Rsin** | 参与社区运营与活动宣发。 |
## 🙏 致谢 ### 🎓 学术合作 感谢以下学术合作伙伴在研究与技术方面的支持与贡献。 ####

李挥教授

王滨

刘泽心

余昊

杨傲

林郑熹
####

杨哲慜教授

钟康维

林佳鹏

盛铖

### 👥 感谢以下团队与开发者的贡献
Keen Lab WeChat Security Fit Security


### 🤝 感谢以下企业与团队对 A.I.G 的使用与支持
Tencent DeepSeek Antintl Lenovo ICBC Vivo Oppo Haier Abc 招商银行 中国电信 Bilibili Qunar 蜜雪冰城 IDG kingdee 联通数科 长安汽车 天鹅到家
清华大学 北京大学 南洋理工大学 复旦大学 浙江大学 南京大学 武汉大学 An-Najah National University 西安交通大学 华中科技大学 南开大学 四川大学 Binus University

## 💬 加入社区 ### 🌐 在线讨论 - **GitHub讨论**:[加入我们的社区讨论](https://github.com/Tencent/AI-Infra-Guard/discussions) - **问题与Bug报告**:[报告问题或建议功能](https://github.com/Tencent/AI-Infra-Guard/issues) ### 📱 讨论社群
微信群
微信群
### 📧 联系我们 如有合作咨询或反馈,请联系我们:[zhuque@tencent.com](mailto:zhuque@tencent.com) ### 🔗 更多安全工具 如果你对代码安全感兴趣,推荐关注腾讯悟空代码安全团队开源的行业首个项目级 AI 生成代码安全性评测框架[A.S.E(AICGSecEval)](https://github.com/Tencent/AICGSecEval)。

## 📖 引用 如果您在研究或产品中使用了A.I.G,请使用以下引用: ```bibtex @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} } ```
## 📄 开源协议 本项目基于 **Apache License 2.0** 协议开源。详细信息请查阅 [LICENSE](../LICENSE) 文件。 ## ⚖️ 许可与署名规范 (License & Attribution) 本项目采用 **Apache License 2.0** 协议开源。我们非常欢迎并鼓励社区对本项目进行二次开发与集成,但必须遵守以下署名规范: 1. **保留声明**:在您的项目中必须保留源项目中的 `LICENSE` 和 `NOTICE` 文件。 2. **产品露出**:如果您将 AI-Infra-Guard 的核心代码、组件或扫描引擎集成到您的开源项目、商业产品或内部平台中,必须在您的**产品文档、使用说明或 UI 的「关于」页面**中,明确标明: > "本项目集成了由腾讯朱雀实验室开源的 [AI-Infra-Guard](https://github.com/Tencent/AI-Infra-Guard) 项目。" 3. **学术与文章引用**:如果在漏洞分析报告、安全研究文章、学术论文等公开材料中使用了本工具,请明确提及"腾讯朱雀实验室 AI-Infra-Guard"并附上链接。 严禁在隐匿原始出处的情况下,将本项目重新包装为原创产品发布。
Star History Chart