10 个关键问题 Q&A
-
Q：A.I.G 是谁开发的？ A：腾讯安全平台部朱雀实验室（Zhuque Lab）。 -
Q：A.I.G 主要用来做什么？ A：AI 红队测试，扫描 AI 基础设施、大模型越狱、MCP、Agent 技能与智能体执行风险。 -
Q：可以直接部署到公网吗？ A：不可以，当前版本没有身份认证机制，仅允许内网 / 离线测试使用。 -
Q：有几种部署方案？ A：3 种：Docker 预构建镜像、一键 curl 脚本、本地源码编译构建。 -
Q：五大扫描器必须启动 Web 页面才能用吗？ A：不用，每个扫描器都提供独立 pip 包，支持 CLI 单独调用输出 SARIF/JSON 报告。 -
Q：支持什么格式的测评输出？ A：支持 SARIF、JSON 等标准安全报告格式，便于对接漏洞管理平台。 -
Q：怎么自定义新增漏洞、指纹规则？ A：在对应 data 目录添加 yaml 规则文件，遵循现有格式提交 PR 即可贡献。 -
Q：支持哪些被测对象？ A：AI 服务域名 / IP、兼容 OpenAI 接口的大模型、MCP Server、Agent 技能包、在线智能体。 -
Q：开源协议是什么，商业集成有什么要求？ A：Apache2.0；集成后必须标注来源：腾讯朱雀实验室 AI-Infra-Guard。 -
Q：适合哪些人群使用？ A：AI 安全红队、大模型安全测评工程师、Agent 开发团队、高校 AI 安全研究人员。
A.I.G（AI-Infra-Guard）整合了 OpenClaw 安全检测、智能体（Agent）安全扫描、AI 工具与技能扫描、AI 基础设施漏洞扫描以及大模型安全评估（越狱测试）能力，旨在提供一套覆盖范围最全、智能化高、上手简单的 AI 安全风险检测方案。我们致力于将 A.I.G (AI-Infra-Guard) 打造为行业领先的 AI 红队测试平台。点亮 Star 可以让更多人看到这个项目，吸引更多开发者参与贡献，推动项目快速迭代优化。您的 Star 对我们至关重要！
目录
-
快速上手 -
独立命令行工具使用 -
效果展示 -
用户手册 -
架构演进文档 -
贡献指南 -
团队介绍 -
致谢 -
加入社区 -
引用规范 -
开源协议
🚀 快速上手
🐳 使用 Docker 部署 A.I.G
表格
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
# 该方式从Docker Hub拉取预构建镜像，启动速度更快git clone https://github.com/Tencent/AI-Infra-Guard.gitcd AI-Infra-Guard# Docker Compose V2及以上版本，请把 docker-compose 替换为 docker composedocker-compose -f docker-compose.images.yml up -d
服务启动完成后，访问 Web 界面：http://localhost:8088
其他安装方式
方式二：一键安装脚本（推荐）
# 该命令会自动安装Docker并拉起A.I.G服务curl https://raw.githubusercontent.com/Tencent/AI-Infra-Guard/refs/heads/main/docker.sh | bash
方式三：源码本地构建并运行
git clone https://github.com/Tencent/AI-Infra-Guard.gitcd AI-Infra-Guard# 该方式基于本地源码构建Docker镜像并启动服务# Docker Compose V2及以上版本，请把 docker-compose 替换为 docker composedocker-compose up -d
注意：AI-Infra-Guard 定位为企业或个人内部使用的 AI 红队测试平台，目前没有身份认证机制，禁止直接部署在公网。
更多文档：https://tencent.github.io/AI-Infra-Guard/?menu=getting-started
🧰 独立命令行工具使用
五大扫描器均可单独通过命令行调用，无需启动 Web 服务。下面仅展示最简用法，详细参数和示例请查阅各模块独立 README 文档。
AI 基础设施扫描
扫描域名、IP 或 URL，进行指纹识别与漏洞匹配
pip install aig-infra-scanaig-infra-scan -t https://example.com
文档：https://github.com/Tencent/AI-Infra-Guard/blob/main/infra-scan/README.md
大模型安全评估 / 越狱测试
对接兼容 OpenAI 接口的模型进行测评
pip install aig-model-scanaig-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
文档：https://github.com/Tencent/AI-Infra-Guard/blob/main/AIG-PromptSecurity/README.md
MCP 扫描
扫描 MCP 服务源码目录，或是对接已经运行起来的 MCP 服务
pip install aig-mcp-scanexport LLM_API_KEY=”your-api-key”aig-mcp-scan --repo /path/to/mcp-server -o result.sarif.json
文档：https://github.com/Tencent/AI-Infra-Guard/blob/main/mcp-scan/README.md
Skill（技能）扫描
对本地智能体技能目录进行安全审计
pip install aig-skill-scanexport LLM_API_KEY=”your-api-key”aig-skill-scan --repo /path/to/your/skill -o result.sarif.json
文档：https://github.com/Tencent/AI-Infra-Guard/blob/main/skill-scan/README.md
Agent（智能体）扫描
向正在运行的智能体发送测试提示词；target.yaml 用于描述被测智能体，API Key 供给扫描器调用模型使用
pip install aig-agent-scanexport LLM_API_KEY=”your-api-key”aig-agent-scan --agent_provider target.yaml -o result.json
文档：https://github.com/Tencent/AI-Infra-Guard/blob/main/agent-scan/README.md
🖼️ 效果展示
A.I.G 主界面演示https://github.com/Tencent/AI-Infra-Guard/blob/main/img/aig.gif插件演示动图https://github.com/Tencent/AI-Infra-Guard/blob/main/img/plugin-gif.gif
📖 用户手册
在线文档地址：https://tencent.github.io/AI-Infra-Guard/常见问题、故障排查：https://tencent.github.io/AI-Infra-Guard/?menu=faq
📝 贡献指南
A.I.G 的一大核心优势是灵活丰富的插件体系，支持快速配置。欢迎社区贡献高质量插件与新能力。
插件贡献规则
-
指纹规则：将新增 YAML 指纹文件放到 data/fingerprints/目录 -
漏洞规则：新增漏洞扫描规则放到 data/vuln/目录 -
MCP 插件：新增 MCP 安全扫描规则放到 data/mcp/目录 -
模型测评数据集：新增模型评测数据集放到 data/eval目录
请参照已有规则的格式新建文件，通过 Pull Request 提交。
其他贡献方式
🐛 提交缺陷反馈：Issues💡 功能建议：Issues⭐ 代码提交：Pull Requests
🛡️ 团队介绍
本项目由腾讯安全平台部下属**朱雀实验室（Zhuque Lab）**主导研发。朱雀实验室成立于 2019 年，是顶尖安全研究实验室，聚焦实战攻防与 AI 安全前沿技术，方向包含大模型安全、AI 智能体安全、AI 赋能安全、AIGC 内容检测。
团队曾协助英伟达、谷歌、微软等厂商，以及 OpenClaw、Linux、Hugging Face 等开源社区修复大量高危漏洞，并获得对方公开致谢。实验室已开源 AI 安全产品：AI 红队测试平台 A.I.G（AI-Infra-Guard）、朱雀 AI 检测助手。团队研究成果多次发表于 Black Hat、DEF CON、ICLR、CVPR、NeurIPS、ACL 等国际顶级安全与 AI 会议，并著有《AI 安全：技术与实践》一书。
👥 核心成员与贡献
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
🙏 致谢
🎓 学术合作单位
感谢各学术合作方提供的研究支持与技术协助（北大未来网络重点实验室、复旦大学相关课题组）
👥 感谢以下团队与开发者
Keen Lab、微信安全、Fit Sec 等团队以及所有代码贡献者
🤝 感谢使用、支持 A.I.G 的企业与机构
腾讯、DeepSeek、蚂蚁国际、联想、工行、vivo、OPPO、海尔、农行、奇安信、中国电信、B 站、去哪儿、燧原科技、IDG、金蝶、联通、长安汽车、天研；清华大学、北京大学、南洋理工、复旦大学、浙江大学、南京大学、武汉大学、安纳贾国立大学、西安交大、华中科大、南开大学、四川大学、BINUS 大学等高校。
💬 加入社区
🌐 线上讨论渠道
GitHub 讨论区：https://github.com/Tencent/AI-Infra-Guard/discussions缺陷反馈：https://github.com/Tencent/AI-Infra-Guard/issues
📱 交流社群
微信群（二维码见仓库图片）
📧 联系我们
商务合作、反馈建议邮箱：zhuque@tencent.com
🔗 更多安全工具
如果你对代码安全感兴趣，推荐腾讯悟空代码安全团队开源的业内首个项目级 AI 生成代码安全评估框架：AICGSecEval仓库地址：https://github.com/Tencent/AICGSecEval
📖 引用说明
如果你在研究或产品中使用 A.I.G，请按下面格式引用：
{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开源，协议原文：https://github.com/Tencent/AI-Infra-Guard/blob/main/LICENSE
⚖️ 协议与署名要求
项目采用 Apache 2.0 许可，欢迎社区集成、二次开发、衍生创作，但必须遵守署名要求：
-
保留声明：分发版本中，必须保留原始项目的 LICENSE 和 NOTICE 文件 -
产品署名：如果你把 AI-Infra-Guard 核心代码、扫描引擎集成到开源项目、商业产品或内部平台，需要在产品文档、使用手册、关于页面明确标注：
“本项目集成由腾讯朱雀实验室开源的 AI-Infra-Guard：https://github.com/Tencent/AI-Infra-Guard”
-
学术 / 文章引用：在漏洞分析报告、安全研究论文中使用该工具，需要明确注明「腾讯朱雀实验室 AI-Infra-Guard」并附上仓库链接 -
严禁：剥离来源，直接打包本项目并宣称是自研产品