从零编写AI安全审计脚本：权限、密钥与依赖全扫描

知识分享

2026-06-18 05:00

11 阅读

为什么要做AI安全审计

很多AI项目跑在服务器上，但容易忽视基础安全问题：模型文件权限过大、硬编码的API密钥、过时的依赖库。
一份简单的审计脚本能帮你自动扫描这些风险点，避免数据泄露或服务器被入侵。
本文适合刚接触服务器运维或AI部署的新手，按步骤写一个集成三大检查的Shell脚本。

审计脚本的准备工作

在开始前，确认你的服务器满足这些条件：

操作系统：Linux（Ubuntu 20.04+ 或 CentOS 7+）
已安装bash和python3
拥有sudo权限或至少能读目标目录

如果审计的是线上服务，建议先在开发环境测试脚本。
准备好以下信息：

AI项目存放路径（例如 /opt/ai-project）
模型文件常见后缀（.h5, .pth, .bin 等）
可能存放密钥的配置文件或环境变量文件

第一步：编写模型权限检查模块

模型文件如果允许所有人都能读写，可能被恶意篡改或窃取。
新建文件 ai_security_audit.sh，写入以下片段：

#!/bin/bash
# 模型文件权限检查
MODEL_DIR="/opt/ai-project/models"
echo "[1] 检查模型文件权限..."
find "$MODEL_DIR" -type f \( -name "*.h5" -o -name "*.pth" -o -name "*.bin" \) -exec ls -la {} \; 2>/dev/null | awk '$1 ~ /^-r[w-]{2}[r-]{2}[r-]{2}/ {print $9 " 权限: " $1}'

上面的命令会列出所有模型文件及其权限。
正常应该只有属主或属组才有写权限（比如 -rw-r-----）。
如果出现 -rw-rw-rw- 或 -rwxrwxrwx，说明权限过高。

第二步：添加API密钥扫描功能

AI项目经常在配置文件或环境变量里放了云平台密钥、数据库密码。
我们可以用常见的正则表达式去搜索这些敏感字符串。
在同一个脚本里追加：

# API密钥/令牌扫描
KEYWORDS=("sk-" "AKIA" "token=" "password=" "secret=")
AUDIT_FILES=("/opt/ai-project/.env" "/opt/ai-project/config.py" "/opt/ai-project/app/config.json")
echo "[2] 扫描API密钥和敏感信息..."
for file in "${AUDIT_FILES[@]}"; do
  if [ -f "$file" ]; then
    for key in "${KEYWORDS[@]}"; do
      matches=$(grep -n "$key" "$file" 2>/dev/null)
      if [ -n "$matches" ]; then
        echo "发现敏感字符串 '$key' 在文件 $file:"
        echo "$matches" | head -5
      fi
    done
  fi
done

这段代码只做示例，实际应更精细地过滤注释行和常见误报。
扫描结果会提示哪些文件里含有疑似密钥的字符串，你需要人工确认是否属于硬编码风险。

第三步：检测依赖库漏洞

AI项目常用pip安装PyTorch、TensorFlow等。
这些库可能含有已知CVE漏洞。
在脚本里调用pip审计功能：

# 依赖漏洞检查 (需要pip-audit或safety)
echo "[3] 检查Python依赖漏洞..."
if command -v pip-audit &>/dev/null; then
  pip-audit -r /opt/ai-project/requirements.txt 2>&1 | grep -E "(found|vulnerability|fixed)"
elif command -v safety &>/dev/null; then
  safety check -r /opt/ai-project/requirements.txt 2>&1 | grep -v "OK"
else
  echo "建议安装 pip-audit: pip install pip-audit"
fi

如果没有安装这些工具，脚本会提醒。
你也可以在脚本开头自动安装：

pip install pip-audit -q

但注意线上环境安装可能提示冲突，建议提前装好。

运行脚本与结果验证

给脚本执行权限并运行：

chmod +x ai_security_audit.sh
./ai_security_audit.sh 2>&1 | tee audit_report.txt

输出日志会保存在 audit_report.txt 里。
重点关注：

权限过高条目：用 chmod 640 或 chmod 600 修正
密钥泄漏：立即从代码和.git历史中移除，并轮换密钥
依赖漏洞：根据提示升级到修复版本

你可以定期（如每天cron）运行这个脚本，实现自动化审计。

避坑指南

不要在生产环境直接安装pip-audit：如果服务器是纯内网或强依赖锁定版本，建议先在测试环境验证兼容性。
密钥检测有误报：比如程序中用的示例密钥 sk-test 也会被扫出来。建议在脚本中加入白名单或仅输出可疑项，人工复核。
权限检查要递归子目录：上面的find命令默认递归，但如果你只扫描顶层目录，记得加-maxdepth调整深度。
审计脚本本身不要暴露密钥：脚本里的路径和关键词不能含有真实敏感信息。

常见问题解答 (FAQ)

Q：没有模型文件目录，能审计什么？
A：可以跳过模型检查，专注密钥和依赖。建议先确认AI项目实际存储路径。

Q：扫描出很多密钥，怎么快速处理？
A：先在.gitignore里排除.env等文件，然后用git filter-branch或bfg工具清理历史。同时在云平台控制台轮换密钥。

Q：依赖漏洞告警太多，是否都要升级？
A：优先升级远程代码执行(RCE)和高危漏洞。如果升级会破坏兼容性，考虑使用防火墙或WAF做临时缓解。

总结与后续建议

本文写的AI安全审计脚本覆盖了文件权限、密钥泄露和依赖漏洞三个常见风险点。
你可以根据自己的项目结构调整目录和文件列表。
如果还想进一步检查Docker镜像安全、容器逃逸风险，可以结合trivy或docker scan。
建议将审计脚本加入CI/CD流水线，每次部署前自动触发安全扫描，防患于未然。

AI定时任务运维实操指南：从配置cron到排错全流程

零基础用AI漏洞扫描工具排查网站安全隐患