ModelScan
制作: Protect AI (Palo Alto Networks)
読み込む前にモデルファイルを検査します
モデルを読み込まずに、モデルファイルに潜む悪意あるコードを検出します。
検証済みの配布元github.com/protectai/modelscanライセンス:Apache-2.0検証 3 時間前GitHubの各リリースにSHA-256チェックサムがあります。
自分で設定せず、導入を任せる:OROBOに導入を依頼まずはAIコンパス:書面の評価、固定価格490ユーロ(法人のみ)。
ご利用イメージ
シミュレーション開始…
イメージ図(実際の実行ではありません)
得られるもの
得られるもの
- 01Pickle、H5、SavedModelの悪性コードを検出します
- 02モデルを実行せずに検査します
- 03無料のオープンソース(Apache 2.0)です
こんな方に
- Hugging Faceからモデルを入手する方
- 独自のMLパイプラインを持つチーム
別のものが合うのは
- 完成したクラウドAIをアプリで使うだけの方
始め方
3ステップで。
必要なもの
- PC上のPython環境
- ローカルに保存したモデルファイル
- 1pip install modelscanでインストールします
- 2modelscan -p モデルのパス を実行します
- 3検出内容を確認し、疑わしければ削除します
安全チェック
7項目中7項目に合格
インストール手順に既知の悪性パターンなし継続的に更新ライセンス:Apache-2.0
誰が作っている？
- OROBOが公式情報から掲載。制作者はまだOROBOに参加していません。
コードは安全？
- ソースコード公開
- ライセンス:Apache-2.0
- インストール手順に既知の悪性パターンなし
更新されている？
- サイトに到達可能
- 38日前に更新
技術的な詳細と検証しない項目
- サイトの表示が速い
- サイトの保護設定:6項目中5(サイトのみ)HSTS, CSP, nosniff, Frame-Schutz, Referrer-Policy
防御効果の記載はメーカーによるものです。信頼スコアは公開情報の確認で、有効性は評価しません。
出所、コードのパターン、ライセンス、更新状況、到達性を毎日自動で検証します。用途への適合性、データの扱い、動作の正確さは検証しません。 最終検証 3 時間前. OROBOの検証方法
同じ目的の代替
Meta PurpleLlama (Llama Guard 4, Prompt Guard 2, LlamaFirewall)安全にする · Meta自分のAIに使える無料の防御モデルですオープンソース信頼 高い、100オフライン可garak安全にする · NVIDIA言語モデルにあえて攻撃を仕掛けますオープンソース信頼 高い、100開発者向けGuardrails AI安全にする · Guardrails AI (Harvey)AIの回答を次の処理に渡す前に検証しますオープンソース信頼 高い、100開発者向けNeMo Guardrails安全にする · NVIDIAチャットボットにしっかりしたガードレールを設けますオープンソース信頼 高い、100開発者向けGiskard安全にする · GiskardLLMアプリの幻覚や情報漏えいを検査しますオープンソース信頼 高い、100開発者向けPyRIT安全にする · Microsoft (AI Red Team)生成AIのレッドチーミングを自動化しますオープンソース信頼 高い、100開発者向けSnyk Agent Scan（旧Invariant MCP-Scan）安全にする · Snyk (ex-Invariant Labs team)インストール済みのMCPサーバーとスキルを検査しますオープンソース信頼 高い、100開発者向けCisco Skill Scanner安全にする · Cisco AI Defenseインストール前にエージェントスキルを検査しますオープンソース信頼 高い、100開発者向け
基本情報
| エリア | 安全にする |
|---|---|
| 価格 | オープンソース |
| ライセンス | Apache-2.0 |
| 対応環境 | Terminal, Python |
| 開発者の人気 | ★ 793 GitHub |
| 最終更新 | 2026年9月28日 |
| ソース | protectai/modelscan ↗ |