SecureAIML 🔐

أمان نماذج الذكاء الاصطناعي بمستوى المؤسسات مبني على OpenSSF Model Signing

SecureAIML هو "Stripe" الخاص بأمان النماذج — يجعل حماية نماذج الذكاء الاصطناعي بمستوى المؤسسات متاحة وسهلة الاستخدام وجاهزة للإنتاج لكل مؤسسة.

لماذا SecureAIML؟

في عصر الذكاء الاصطناعي/التعلم الآلي، يعد أمان النماذج أمرًا بالغ الأهمية. يغلّف SecureAIML معيار OpenSSF Model Signing بواجهة بديهية وجاهزة للمؤسسات تجعل تأمين نماذج التعلم الآلي لديك بالبساطة التالية:

التثبيت

pip install secureaiml

البدء السريع

from secureml import SecureModel
import joblib

# Load your model
model = joblib.load("model.pkl")

# Secure it in one line
secure_model = SecureModel(model)
secure_model.sign_and_save("model.sml", identity="[email protected]")

# Load and verify
verified_model = SecureModel.load("model.sml", verify=True)
predictions = verified_model.predict(X_test)

الميزات

🎯 دعم شامل للنماذج

• التعلم الآلي التقليدي: XGBoost, scikit-learn, LightGBM, CatBoost
• التعلم العميق: PyTorch, TensorFlow, JAX, Keras
• نماذج اللغات الكبيرة: HuggingFace Transformers, GGUF, SafeTensors
• الرؤية الحاسوبية: ONNX, CoreML, TensorRT, OpenVINO
• الصوت/الكلام: Whisper, Wav2Vec, SpeechT5
• متعدد الوسائط: CLIP, DALL-E, GPT-4V, BLIP

🔒 مبني على معايير OpenSSF

• تكامل كامل مع OpenSSF Model Signing
• يستفيد من البنية التحتية لـ Sigstore
• توقيع تشفيري بمعايير صناعية
• توقيع بدون مفاتيح باستخدام OIDC
• توقيعات شفافة وقابلة للتحقق

🏢 ميزات المؤسسات

• التكامل مع وحدة أمان العتاد (HSM)
• دعم KMS السحابية (AWS KMS, Azure Key Vault, GCP Cloud KMS)
• بصمة متقدمة باستخدام أشجار Merkle
• سير عمل التوقيع المتعدد
• أطر الامتثال: SOC2, ISO27001, FIPS 140-2, HIPAA, GDPR
• مسارات تدقيق شاملة وأدلة جنائية

⚡ مناسب للمطوّرين

• واجهة برمجية Pythonic بسيطة وبديهية
• اكتشاف تلقائي لأنواع النماذج
• حد أدنى من الإعداد المطلوب
• يعمل مع سير عمل التعلم الآلي الحالية
• توثيق وأمثلة شاملة

الاستخدام الأساسي

from secureml import SecureModel
import joblib

# Train your model (any framework)
from xgboost import XGBClassifier
model = XGBClassifier()
model.fit(X_train, y_train)

# Secure it
secure_model = SecureModel(model)
secure_model.sign_and_save(
    "fraud_detection_model.sml",
    identity="[email protected]",
    version="2.0.0",
    description="Production fraud detection model"
)

# Load and verify
model = SecureModel.load("fraud_detection_model.sml", verify=True)
if model.is_verified:
    predictions = model.predict(X_test)

استخدام المؤسسات

from secureml.api.advanced import AdvancedSecureModel
from secureml.utils.config import SecurityConfig, SecurityLevel, ComplianceFramework

# Configure enterprise security
config = SecurityConfig.from_level(SecurityLevel.ENTERPRISE)
config.enable_fingerprinting = True
config.enable_merkle_trees = True
config.compliance_frameworks = [ComplianceFramework.SOC2, ComplianceFramework.ISO27001]

# Create advanced secure model
advanced = AdvancedSecureModel(model, config=config)

# Sign with AWS KMS
advanced.add_signature(
    identity="[email protected]",
    use_cloud_kms=True,
    kms_key_id="arn:aws:kms:us-east-1:123456789:key/abc-def",
    cloud_provider="aws"
)

# Validate compliance
compliance_report = advanced.validate_compliance(
    frameworks=[ComplianceFramework.SOC2, ComplianceFramework.HIPAA],
    generate_report=True,
    report_path="compliance_report.json"
)

print(f"Compliance Status: {compliance_report['overall_status']}")

البنية المعمارية

تم بناء SecureML كطبقة تحسين فوق OpenSSF Model Signing:

┌─────────────────────────────────────────────────────┐
│            Your Application                         │
└─────────────────────────────────────────────────────┘
                      ↓
┌─────────────────────────────────────────────────────┐
│            SecureML API Layer                       │
│  • Simple API  • Advanced API  • CLI                │
└─────────────────────────────────────────────────────┘
                      ↓
┌─────────────────────────────────────────────────────┐
│         SecureML Enterprise Features                │
│  • HSM/KMS  • Compliance  • Audit  • Forensics      │
└─────────────────────────────────────────────────────┘
                      ↓
┌─────────────────────────────────────────────────────┐
│         OpenSSF Model Signing (Core)                │
│         Sigstore Infrastructure                     │
└─────────────────────────────────────────────────────┘

مستويات الأمان

يوفر SecureML أربعة مستويات أمان لتناسب احتياجاتك:

المستوى	حالة الاستخدام	الميزات
BASIC	التطوير والاختبار	توقيع OpenSSF فقط
STANDARD	النشر في الإنتاج	+ البصمة، تسجيل التدقيق
ENTERPRISE	الصناعات الخاضعة للوائح	+ أشجار Merkle، اكتشاف التهديدات، الامتثال
MAXIMUM	بيئات عالية الأمان	+ التشفير، الأدلة الجنائية، التوقيع المتعدد

دعم الامتثال

يساعدك SecureML على تلبية المتطلبات التنظيمية:

• SOC 2: ضوابط النظام والمؤسسة
• ISO 27001: إدارة أمن المعلومات
• FIPS 140-2: التحقق من صحة الوحدات التشفيرية
• HIPAA: حماية البيانات الصحية
• GDPR: حماية البيانات في الاتحاد الأوروبي

التوثيق

• 📦 حزمة PyPI - الحزمة الرسمية على PyPI
• 🚀 دليل البدء السريع - ابدأ خلال 5 دقائق
• 📚 دليل التثبيت - تعليمات التثبيت
• 📖 دليل الاستخدام - توثيق شامل للاستخدام
• 🔒 ميزات العلامة المائية - دليل وضع العلامات المائية على النماذج
• 🛡️ نموذج التهديدات - التحليل الأمني والقيود
• 🔗 التكامل مع OpenSSF - تكامل OpenSSF Model Signing

أمثلة

نموذج XGBoost

from secureml import SecureModel
import xgboost as xgb

model = xgb.XGBClassifier()
model.fit(X_train, y_train)

secure_model = SecureModel(model)
secure_model.sign_and_save("xgb_model.sml", identity="[email protected]")

نموذج PyTorch

import torch
from secureml import SecureModel

model = torch.nn.Sequential(...)
torch.save(model.state_dict(), "model.pth")

secure_model = SecureModel.load_from_path("model.pth")
secure_model.sign_and_save("pytorch_model.sml", identity="[email protected]")

نموذج HuggingFace

from transformers import AutoModel
from secureml import SecureModel

model = AutoModel.from_pretrained("bert-base-uncased")
model.save_pretrained("./my_model")

secure_model = SecureModel.load_from_path("./my_model")
secure_model.sign_and_save("bert_model.sml", identity="[email protected]")

خيارات التثبيت

# Basic installation
pip install secureaiml

# With ML framework support
pip install secureaiml[xgboost,pytorch,sklearn]

# With CLI tools
pip install secureaiml[cli]

# Everything (all ML frameworks + CLI + dev tools)
pip install secureaiml[all]