用途：面向 AI/ML 代码库的安全威胁扫描，识别提示注入、数据投毒、模型提取、对抗输入、不安全模型服务等 AI 特有风险。
主要能力：静态分析源码，检测未净化用户输入拼接进提示词、缺少输入校验与模板注入向量；识别未校验的训练数据管道与缺失完整性检查；发现无速率限制或缺少鉴权的推理端点、泄露模型细节的详尽报错；检测模型输入缺少边界检查与异常检测；识别从不可信来源加载模型、pickle 反序列化风险与缺少模型签名验证。工具为 ai_threat_scanner.py，关键参数包括 --path、--category、--min-severity、--format。
使用方式：运行前先确认扫描目标路径、威胁类别（all 或 prompt-injection、data-poisoning、model-extraction、adversarial-input、insecure-serving）、严重级别阈值与用途（完整审计或部署前门禁）；信息不明确时应询问，若用户要求直接起草则先列明假设。常用命令：python scripts/ai_threat_scanner.py --path ./my-ai-project；加 --format json 输出 JSON；加 --category prompt-injection 只扫提示注入；加 --min-severity high 设阈值。
适用场景：完整 AI 安全审计（按类别分组、按严重级别排序、修复后复扫）与部署前安全门禁（确保无 critical/high 才上线，并记录已接受的中低风险）。
限制：资料未提供支持的编程语言、依赖环境、安装步骤、扫描准确率、误报率及收费信息；该技能为静态分析，不替代运行时防护与人工审查。