腾讯朱雀实验室开源一站式 AI 红队安全测试平台 A.I.G

The full text in the selected language is awaiting translation. The original is shown for now.

正文配图

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。

项目简介

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。

功能展示

A.I.G 主界面

A.I.G主界面

插件管理

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+

# 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

在 OpenClaw 中使用

你也可以通过 OpenClaw 的 aig-scanner skill 直接调用 A.I.G 服务。

clawhub install aig-scanner

然后将 AIG_BASE_URL 配置为正在运行的 A.I.G 服务地址。

功能特性

aig-skill-scan 性能与覆盖范围

使用不同 LLM 在 SkillTrustBench 上的表现：

#	模型	F1	Precision (精确率)	Recall (召回率)	FPR (误报率)
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

覆盖 9 类 Skill 安全风险（SkillTrustBench T01–T09）：

层级	攻击类别
A — 指令与记忆层	T01 技能指令劫持、T02 Agent 记忆投毒
B — 代码执行通道	T03 远程载荷下载执行、T04 内嵌恶意代码
C — 系统权限与持久化	T05 越权访问与提权、T06 系统持久化驻留
D — 工具链与依赖层	T07 工具劫持与伪装、T08 不安全依赖
E — Skill 自身安全质量	T09 不安全编码

安全扫描与评估

功能模块	详情说明
ClawScan(OpenClaw Security Scan)	支持一键评估 OpenClaw 的安全风险。可全面检测不安全配置、Skill 风险、CVE 漏洞以及隐私泄露等问题。
Agent Scan	专为评估 AI Agent 工作流的安全性而设计，无缝支持对运行在 Dify、Coze 等各类平台上的 Agent 进行安全检测。
MCP Server & Agent Skills scan	深度检测 MCP Server 与 Agent Skills 的 14 大类的安全风险。灵活支持上传源代码和远程 URL 两种方式进行检测。
AI infra vulnerability scan	精准识别 100+ 种 AI 开源 Web 组件。涵盖 2000+ 已知的 CVE 漏洞，支持检测的框架包括 Ollama、ComfyUI、vLLM、n8n、Triton Inference Server 等。
Jailbreak Evaluation	支持使用精选的数据集与越狱攻击算法快速评估大模型内生安全风险与护栏有效性，同时提供详尽的跨模型横向对比与评估功能。

快速使用指南

部署完成后，在浏览器中打开 http://localhost:8088。

AI基础设施漏洞扫描

目标地址填什么？

目标是正在运行的 AI 服务的网络地址，不是 GitHub 链接，也不是源代码路径。A.I.G 会连接到这个地址，识别 AI 框架组件和版本，并匹配已知 CVE 漏洞。

场景	目标示例
本地运行的 vLLM 实例	`http://127.0.0.1:8000`
内网 Ollama 服务器	`http://192.168.1.100:11434`
内网 ComfyUI 实例	`http://10.0.0.5:8188`
批量扫描多台主机	`192.168.1.0/24` （CIDR），`10.0.0.1-10.0.0.20`（IP 段）

实例演练：扫描本地 vLLM

正常启动 vLLM（如 python -m vllm.entrypoints.api_server --model ...）
在 A.I.G 界面点击「AI基础设施安全扫描」
在目标输入框填入 http://127.0.0.1:8000（vLLM 实际监听的 IP 和端口）
点击「开始扫描」— A.I.G 会自动识别组件版本，匹配 2000+ 已知 CVE
查看报告：组件版本、命中漏洞、严重等级及修复建议链接

💡 提示：如果想扫描 vLLM 的 nightly 版本，只需启动 nightly 构建，把地址填进来即可，扫描器会自动识别版本。

MCP Server & Agent Skills 扫描

在目标框填入 GitHub 仓库地址（如 https://github.com/user/mcp-server）或直接上传本地源代码压缩包，无需运行实例。

越狱评估（Jailbreak Evaluation）

在「设置 → 模型配置」中填入目标大模型的 API 地址和 Key，选择评估数据集后即可开始测评。

项目地址

https://github.com/Tencent/AI-Infra-Guard