用途：本技能让 Agent 以授权蓝军视角，对 AI 产品、Agent、MCP Server、Skill、代码包及 AI 基础设施执行安全演习，覆盖提示词注入、间接注入、工具滥用、数据泄露、越权、SSRF/外连、供应链投毒、基础设施暴露等方向，最终输出带证据链的类渗透测试 Markdown/HTML 报告。
核心方法：第一性原理蓝军测试。先建模目标能力与信任边界，再提出风险假设，用最小无害方式（canary、临时文件、本地 mock endpoint、marker 字符串）验证，根据真实反馈自适应变异，最后评级并出报告。安全推理、攻击链构造、变异与判断由 Agent 负责，脚本仅作确定性辅助。
主要流程：Step 0 范围与安全边界（含“测试自身”时启用 self_mode，默认 measure、budget_B=50）；Step 1 能力与信任边界建模；Step 2 生成风险假设；Step 3 规划无害测试；Step 4 执行并自适应变异；Step 5 静态代码与供应链审计；Step 6 基础设施审查；Step 7 证据、评级与报告。
变异测试：使用 modules/mutation-attack/operators/ 下 79 个算子，按“信号 → 候选算子 → 精读决选”两段式选算子，每轮只改一个变量、L1 combo ≤ 2、L2 编码在 L1 之后。若动态测试在范围内，至少发送 30 条 payload，且须包含数据集样本与算子变异样本，并统计 payload_sent_count 等字段。
数据源：可复用 tencent/AI-Infra-Guard 仓库 data/ 目录，优先级为用户传入 --aig-data-dir/--aig-root、环境变量 AIG_DATA_DIR/AIG_ROOT、仓库内 data/、常见克隆位置，必要时在授权下下载，找不到则回退内置最小数据。命令：python3 scripts/aig_data.py status --aig-root /path/to/AI-Infra-Guard；python3 scripts/aig_data.py paths --download；python3 scripts/aig_data.py sync --download --dest data/aig --include fingerprints,vuln,eval,mcp。基础设施探测命令：python3 modules/infra-attack/scripts/run.py --target http://host:port --aig-root /path/to/AI-Infra-Guard --out reports/<run_id>/infra-attack_findings.json。
限制：必须确认授权，授权不足时先问清 target/send/observe/授权/边界再开打；默认不碰真实数据，禁止真实外传、持久化、破坏性写入和未授权扫描；规则命中仅代表“规则匹配”，最终风险需结合认证、可达性、版本置信度与业务上下文判断；self_mode 结果属自观测，需标注 observation_mode: self_turn。官方具体收费、平台支持等信息暂未提供。