Google が開発・公開しているファイルコンテンツタイプ検出ツール。約 1 億ファイルで学習した小型の深層学習モデル（ONNX, 約 3 MB）を使い、200 以上のファイル種別（コード・文書・画像・音声・実行ファイル等）を識別する。Gmail・Google Drive・Safe Browsing・VirusTotal など Google 内部で実運用されており、週に数千億件のファイルを処理している実績がある。ICSE 2025 で論文発表済み。
| 観点 | file / libmagic（従来） |
Magika |
|---|---|---|
| 判定方式 | マジックナンバー＋ルールベースのヒューリスティクス | ディープラーニング（バイト列を直接トークン化） |
| 精度 | テキスト系（Markdown, SQL, YAML 等）で誤判定が多い | 平均精度 ~99%。テキスト系でも高精度 |
| 速度 | ファイルサイズに依存 | 1 ファイルあたり ~2–5 ms（CPU）。ファイルサイズにほぼ非依存（先頭・末尾各 1 KB のみ読む） |
| 対応種別 | 数百種（ルール追加が手作業） | 216 種。モデル再学習で拡張可能 |
| 信頼度制御 | なし | 種別ごとに閾値を設定。HIGH / MEDIUM / BEST_GUESS の 3 段階 |
| 依存 | C ライブラリ (libmagic) | ONNX Runtime のみ。ネットワーク不要で完全ローカル動作 |
要するに: ルールを手書きせずとも、特にテキスト系ファイルの判定精度が劇的に向上する。モデルが 3 MB と軽量なため、エッジ環境やブラウザ上でも動作可能。
# Python（推奨）
pipx install magika
# macOS / Linux
brew install magika
# Rust
cargo install --locked magika-cli
# ワンライナー
curl -LsSf https://securityresearch.google/magika/install.sh | sh
# 単一ファイル
magika report.pdf
# → report.pdf: PDF document (document)
# ディレクトリを再帰的にスキャン
magika -r ./project/
# MIME タイプで出力
magika -i image.webp
# → image.webp: image/webp
# JSON 出力（スクリプト連携向け）
magika --json suspicious_file
# 標準入力から
cat unknown_blob | magika -
from magika import Magika
m = Magika()
# パス指定
result = m.identify_path("./data.csv")
print(result.output.label) # "csv"
# バイト列指定
result = m.identify_bytes(b'{"key": "value"}')
print(result.output.label) # "json"
# バッチ処理（数千ファイルも高速）
results = m.identify_paths(list_of_paths)
import { Magika } from "magika";
const magika = await Magika.create();
const result = await magika.identifyBytes(fileBytes);
console.log(result.label); // "javascript"
返却される情報には ラベル（python）、説明（Python source）、MIME タイプ（text/x-python）、グループ（code）、信頼スコア（0.0–1.0）が含まれる。セキュリティスキャンのルーティング、アップロードファイルのバリデーション、大量ファイルの自動分類などに直接組み込める。