RuralShield — ein AWS-CDK-Forschungsprototyp für Cloud-Sicherheit im Gesundheitswesen, mit richtliniengebundener KI-Triage, menschlich genehmigter Reaktion, Audit-Protokollierung und reproduzierbaren synthetischen Tests.
Forschungsprototyp für serverlose AWS-Sicherheitsinfrastruktur und richtliniengebundene KI-Triage in ressourcenbeschränkten Gesundheitsumgebungen.
RuralShield verwendet AWS CDK (TypeScript), Python-Lambda-Handler und eine YAML-Workload-Konfiguration. Es stellt Workload-Infrastruktur, Integrationen von Sicherheitsdiensten, verschlüsselten Speicher, Backups und einen Workflow zur Reaktion auf Findings bereit. Modell-Empfehlungen durchlaufen eine deterministische Richtlinie vor Benachrichtigung, Genehmigung oder einer unterstützten Eindämmungsmaßnahme.
Diese Version enthält zwei getrennte Pfade:
lib/constructs/ai-sentinel.ts und src/lambda/. Eine erfolgreiche Live-Bedrock-Inferenz wurde in der Forschungsstudie nicht nachgewiesen.src/external_ai/, src/external_ai_workflow/ und scripts/ai-workflow-stack.ts. Dies ist getrennt vom Nicht-KI-Pilotprojekt und kein Ersatzanbieter, der in den ursprünglichen Sentinel eingebunden ist.Der fünftägige Nicht-KI-Pilot und das separate KI-Experiment müssen getrennt berichtet werden. Offline-Tests und Synthese belegen weder klinische Wirksamkeit noch HIPAA-Konformität, Produktionsreife oder Modellgenauigkeit.
Verwenden Sie Node.js 20 oder höher, npm und Python 3.12. Die operativen Forschungsskripte wurden unter Windows entwickelt; einige verwenden explizit .venv/Scripts/python.exe.
git clone https://github.com/armanbuet09/rurlalshield.git
cd rurlalshield
npm ci
python -m venv .venv
Aktiviere die virtuelle Umgebung und installiere dann das AWS Python SDK:
python -m pip install boto3
npm run build
npm test -- --runInBand
npm run verify:local
python -m unittest discover -s src/lambda/triage -p 'test_*.py'
python test/test_security_handlers.py
python test/test_external_ai.py
python test/test_ai_workflow.py
node --test scripts/test-observation-worker.cjs
verify:local synthetisiert mit einem Beispiel-AWS-Konto und schreibt seinen Static-Check-Bericht nach cdk.out/local-verification/verification.json; es wird nichts bereitgestellt. Zusätzliche Sicherheitstests für Archivierung und Bereinigung befinden sich in scripts/test_*.py. Führen Sie scripts/test_mantle_luna.py nicht als Offline-Test aus: Es handelt sich um eine Live-Modell-Sonde.
rural-shield.example.yaml nach rural-shield.yaml; legen Sie Ihre Organisation, Alarm-E-Mail, Region, Workload und optional Konto/DR-Region fest.security.aiTriage.enabled: false und security.aiTriage.autoContainment: false. Das mitgelieferte Beispiel mit vollem Funktionsumfang aktiviert beides; behandeln Sie es nicht als die eingefrorene Forschungskonfiguration.cdk diff, bevor Sie bereitstellen. Vorhandene Sicherheitsdienste auf Kontoebene erfordern entsprechende existingResources-Einstellungen.npx cdk synth --all
npx cdk diff --all
npx cdk deploy --all --require-approval broadening
Der Einsatz erzeugt kostenpflichtige Dienste. S3 Object Lock, Backup-Aufbewahrung und aufbewahrte KMS-Schlüssel können nach dem Löschen des Stacks Ressourcen und Kosten hinterlassen. Stellen Sie keine echten Patientendaten bereit, ohne eine unabhängige Sicherheits-, Betriebs- und Regulierungsprüfung durchzuführen.
Die Betriebsdokumente enthalten datierte Forschungsaufzeichnungen. Sie sind kein aktuelles Deployment-Dashboard. Forschungsskripte erfordern vom Betreiber geprüfte Manifeste, Ressourceninventare und Kontoeinstellungen, die bewusst nicht veröffentlicht werden. Ersetzen Sie Beispiel-IDs konsistent; umgehen Sie keine Ownership-, Nachweis- oder Bereinigungs-Gates, um einen alten Befehl ausführbar zu machen. Führen Sie niemals ein altes Beobachtungsfenster erneut aus und führen Sie neuen KI-Datenverkehr nicht mit dessen Ergebnissen zusammen.
Dies ist ein frischer Quell-Snapshot, nicht die Git-Historie des privaten Forschungs-Repositories. Er enthält die Implementierung, Offline-Tests, Beispielkonfiguration und geprüfte Dokumentation. Konto-IDs, Betreiber-E-Mail und die KMS-Schlüssel-ID der Forschung sind durch Beispiele ersetzt. Das Paper, Abbildungen, PDFs, Zugangsdaten, lokale Konfiguration, Rohdaten und generierte Ausgaben sind ausgeschlossen. Die Autoren bewahren das ursprüngliche Forschungsarchiv separat auf.
Apache-2.0; siehe LICENSE.