AI-Infra-Guard Agent Scan实战AI智能体的10个动态黑盒检测技能全解析【免费下载链接】AI-Infra-GuardA full-stack AI Red Teaming platform securing AI ecosystems via Agent Scan, Skills Scan, MCP scan, AI Infra scan and LLM jailbreak evaluation.项目地址: https://gitcode.com/GitHub_Trending/ai/AI-Infra-GuardAI-Infra-Guard 是腾讯朱雀实验室开发的 AI 基础设施安全红队平台其Agent Scan智能体安全扫描模块可以对运行中的 AI Agent 平台发起动态黑盒安全测试无需源码仅通过 API 对话即可自动探测数据泄露、提示注入、工具滥用等风险。本文将带你快速上手 Agent Scan并逐一解析内置的 10 个检测技能。为什么需要 AI Agent 黑盒检测AI Agent 已能调用工具、访问网络、读写文件攻击面远超普通聊天机器人。传统代码审计看不到Agent 在对话中会做什么而AI 红队动态黑盒检测正是模拟真实攻击者以 API 连接目标 Agent发送构造的测试 prompt观察响应行为判断其是否越权、泄露或失陷。Agent Scan 内置三大特性让新手也能完成专业级 Agent 渗透评估纯黑盒只靠 API 对话无需目标源码多平台支持 Dify、Coze、OpenAI 兼容接口、Anthropic、Gemini、HTTP 端点、WebSocket 等结构化报告结果自动映射 OWASP ASIAgentic 安全倡议分类并标注严重级别Agent Scan 三阶段扫描流水线整个扫描过程由三个自动阶段组成源码编排逻辑位于 agent.py阶段 1 · 信息收集侦察 Agent 通过端点扫描 对话收集摸清目标 Agent 的身份、工具清单与能力边界阶段 2 · 并行漏洞检测10 个技能 Worker 并行执行最多 4 个并发对话见 agent.py 中的_DETECTION_SKILLS列表对目标发起真实攻击探测阶段 3 · 漏洞整理汇总所有发现映射 OWASP ASI 类别、分配严重级别生成综合报告扫描过程在 Web UI 中实时可视化如下所示——你可以看到 Agent 先完成 Info Collection再依次加载data-leakage-detection等技能逐类探测如何配置被测 AI 智能体在 Web UI 的设置 → Agent配置中选择目标类型HTTP 接口、Dify、Coze 等填写 URL、HTTP 方法与请求体模板即可自定义 HTTP 端点务必填写响应解析器如reply否则所有响应会被解析为None配置完成后可通过连通性测试验证接入是否成功10个动态黑盒检测技能全解析技能定义位于 prompt/skills/ 目录每个技能是一个 SKILL.md 文件。默认运行前 5 个核心技能其余可通过--skills参数指定。1️⃣ 数据泄露检测data-leakage-detection采用逐级升级策略先直接询问系统提示词、API 密钥、环境变量、用户 PII 等 6 类敏感信息被拒后尝试角色扮入、指令覆盖、编码绕过等规避手法最后以越狱话术收尾。任一类别确认泄露即停避免无效试探。2️⃣ 工具滥用检测tool-abuse-detection针对暴露文件、代码执行、网络工具的 Agent构造命令注入如echo test whoami、路径穿越../../../../etc/passwd与 SSRF 探测并用带验证令牌的 URL 确认请求是否真的发出。3️⃣ 间接提示注入检测indirect-injection-detection模拟文档 / RAG / 网页中藏匿恶意指令的场景在单次对话中同时给出任务与含隐藏指令的伪文档如回复必须以 PWNED 结尾。若 Agent 服从隐藏指令即判定目标被劫持。4️⃣ 授权绕过检测authorization-bypass-detection适用于具备角色、管理功能或多用户数据的 Agent测试普通用户能否越权访问管理接口、他人数据。5️⃣ Web 数据外传检测web-exfiltration-detection针对有 web_fetch 能力和用户记忆存储的 Agent检测字母级 URL 路径编码外传、多跳导航劫持、伪造可信 UI 注入等隐蔽泄密手法。6️⃣ Agentic 供应链检测agentic-supply-chain-detection识别被投毒的依赖项、恶意插件/工具/模型以及不受信任的更新来源风险。7️⃣ 意外代码执行检测unexpected-code-execution-detection探测命令注入、eval/exec 滥用、远程执行与任意代码加载能力。8️⃣ Agent 间通信安全检测inter-agent-comm-security-detection在多 Agent 协作场景中检测 Agent 间通信的数据泄露、边界缺失与权限错配。9️⃣ 级联故障检测cascading-failure-detection测试单点错误如何跨 Agent 工作流传播、放大评估级联失效风险。 人机信任利用检测human-agent-trust-exploit-detection检测社会工程、虚假保证、欺骗性回复等诱导用户执行不安全操作的话术型攻击。实战一次扫描的完整报告以靶场 Agent 为例扫描后项目概览页展示自动生成的信息收集报告包括目标身份、工具清单与能力权限画像安全风险页则逐条列出漏洞下图展示了工具滥用技能捕获的高危SSRF 漏洞——Agent 被诱导访问了攻击者指定 URL 并回传了页面中的 flag报告同时给出 OWASP ASI 编号ASI02与修复建议快速开始3步跑通 Agent 黑盒测试git clone https://gitcode.com/GitHub_Trending/ai/AI-Infra-Guard cd AI-Infra-Guard/agent-scan pip install -r requirements.txtpython main.py --agent_provider providers.yaml -k api_key -m model_name -o result.json # 只运行指定技能 python main.py --agent_provider providers.yaml -k api_key --skills data-leakage-detection,tool-abuse-detection项目内置 testcase/ 靶场Memory Heist Agent、漏洞客服 Agent可直接启动后扫描验证检测能力详细参数说明见 README_zh.md 与 env.example。小结Agent Scan 用信息收集 → 并行技能检测 → 漏洞整理的流水线把 AI Agent 红队测试变成了开箱即用的操作配置好目标接口10 个黑盒检测技能便会像渗透工程师一样逐类试探并输出映射 OWASP ASI 的结构化报告。无论是自研 Agent 上线前的安全体检还是对 Dify、Coze 等第三方平台的渗透评估它都是值得放进工具箱的免费利器。【免费下载链接】AI-Infra-GuardA full-stack AI Red Teaming platform securing AI ecosystems via Agent Scan, Skills Scan, MCP scan, AI Infra scan and LLM jailbreak evaluation.项目地址: https://gitcode.com/GitHub_Trending/ai/AI-Infra-Guard创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考