Tencent/AI-Infra-Guard

扫描运行中的 AI 服务漏洞

1. 通过 Docker Compose 部署 A.I.G 并访问 http://localhost:8088
2. 在 Web 界面点击“AI 基础设施安全扫描”，输入目标服务地址（如 http://127.0.0.1:8000）
3. 点击开始扫描，系统对服务进行指纹识别并匹配 2000+ 已知 CVE
4. 查看报告：组件版本、匹配漏洞、严重程度与修复链接

使用 CLI 审计 Agent Skill 项目

1. pip install aig-skill-scan 并设置 LLM_API_KEY 环境变量
2. 运行 aig-skill-scan --repo /path/to/skill 指定模型与语言
3. 输出 JSON 结果，漏洞分类对齐 SkillTrustBench T01–T09

执行 LLM 越狱评估

1. 在设置 → 模型配置中填写目标 LLM 的 API 端点（base URL + API key）
2. 选择数据集并启动评估
3. 查看多种攻击方法下的鲁棒性结果与跨模型对比

企业 AI 基础设施安全自查

企业安全团队

对内网运行的 vLLM、Ollama、ComfyUI 等 AI 服务进行指纹识别与 CVE 漏洞匹配。

MCP Server 与 Agent Skill 安全审计

AI 应用开发者

在上线前检测 MCP Server 和 Agent Skills 的 14 大类安全风险，可集成到 CI/CD 流水线。

LLM 提示词安全与越狱测试

安全研究人员

使用多种攻击方法评估大模型的越狱鲁棒性并进行跨模型对比。

AI Agent 工作流安全评估

红队测试人员

使用 Agent Scan 多智能体框架评估 Dify、Coze 等平台上 Agent 工作流的安全性。

如何部署 AI-Infra-Guard？

推荐使用 Docker Compose（要求 Docker 20.10+、内存 4GB+、磁盘 10GB+），也可使用一键安装脚本或从源码构建；服务启动后访问 http://localhost:8088。

AI-Infra-Guard 是免费的吗？

开源版本在 Apache License 2.0 下完全免费；另有需要邀请码的在线 Pro 版本。

可以把 AI-Infra-Guard 部署到公网吗？

不建议。项目目前缺少认证机制，官方明确说明不应部署在公共网络上，定位为企业或个人内部使用。

AI 基础设施扫描的目标应填什么？

应填写运行中 AI 服务的网络地址（如 vLLM、Ollama、ComfyUI 实例的 IP/端口），而非 GitHub URL 或源码路径；系统会对服务进行指纹识别并匹配已知 CVE。