mastyf.ai

Perimeter-Sicherheit für Ihre KI.

Laufzeitdurchsetzung, Richtlinienkontrolle und vollständiges Prüfprotokoll für jede KI-Aktion.

Webseite · Schnellstart · Richtlinie · Dashboard · GitHub

Das Problem

KI-Agenten können Ihre Dateien lesen, Code pushen, Datenbanken abfragen, Shell-Befehle ausführen und externe APIs aufrufen. Sie tun dies autonom und mit maschineller Geschwindigkeit.

Herkömmliche Sicherheitskontrollen wurden dafür nicht entwickelt.

Mastyf.ai fungiert als Perimeter-Sicherheitsschicht für KI. Es fängt jeden Tool-Aufruf ab, bewertet ihn anhand Ihrer Sicherheitsrichtlinien mittels Multi-Agenten-Schwarmanalyse und blockiert bösartige oder nicht autorisierte Aktionen, bevor sie ausgeführt werden.

Jede Entscheidung wird durchgesetzt, protokolliert und ist prüfbar.

Was es stoppt

Schnellstart

Aus dem Quellcode bauen

Klonen Sie das Repository und führen Sie das Setup-Skript aus.

Anforderungen:

• Git
• Linux (das Setup-Skript installiert Nix automatisch, falls nötig)

git clone https://github.com/mastyf-ai/mastyf.ai.git
cd mastyf.ai
chmod +x setup.sh
./setup.sh

Das Setup-Skript erledigt automatisch:

• Installiert Nix (falls erforderlich)
• Aktiviert Nix-Flakes
• Erstellt die Entwicklungsumgebung
• Installiert alle Projektabhängigkeiten
• Baut native Pakete neu
• Baut das gesamte Projekt
• Fügt einen praktischen Shell-Alias mastyf hinzu

Sobald die Installation abgeschlossen ist, starten Sie den Proxy und das Dashboard:

node dist/cli.js start

Oder verwenden Sie nach dem Öffnen eines neuen Terminals einfach den Alias:

mastyf

Das Dashboard ist verfügbar unter:

• Dashboard: http://localhost:4000

Installation testen

Wenn das Dashboard läuft, überprüfen Sie die HTTP-Brücke:

curl -X POST http://localhost:4000/mcp -H "Content-Type: application/json" -d '{"jsonrpc":"2.0","id":"1","method":"tools/list","params":{}}'

Dashboard

Volle Transparenz über jede Aktion Ihrer KI.

Setzen Sie Port 4000 nicht öffentlich frei, ohne die Dashboard-Authentifizierung zu aktivieren. Die Standard-Konfiguration für die lokale Entwicklung hat DASHBOARD_AUTH_DISABLED=true.

Wie die Durchsetzung funktioniert

Jeder Tool-Aufruf durchläuft drei Schichten, bevor er Ihre Infrastruktur erreicht.

Schicht 1 – Mustererkennung Regex-basiertes Scannen auf Injection, gefährliche Pfade, durchgesickerte Geheimnisse, Shell-Befehle und Codierungstricks. Läuft in Mikrosekunden ohne externe Abhängigkeiten.

Schicht 2 – Schema-Validierung Lehnt fehlerhafte Payloads, überdimensionierte Argumente und JSON-RPC-Verstöße ab, bevor sie die Richtlinienbewertung erreichen.

Schicht 3 – Semantische Überprüfung Ein optionales lokales LLM (Ollama) oder Cloud-Modell bewertet Grenzfälle, die die Musterprüfung bestehen. Fällt auf Heuristiken zurück, wenn kein Modell konfiguriert ist.

Alles, was fehlschlägt, wird blockiert. Das Tool wird nie ausgeführt. Alles wird protokolliert.

Richtlinie

Ihre Regeln leben in default-policy.yaml. Sie besitzen sie. mastyf.ai setzt sie durch.

policy:
  mode: block
  default_action: pass
  unicode_strict: true
  rules:
    - name: block-sensitive-paths
      action: block
      argPatterns:
        - field: path
          patterns: ['^/etc/', '/\.ssh', '/\.aws/credentials']

    - name: rate-limit-tool-calls
      action: block
      maxCallsPerMinute: 120

    - name: block-shell-injection
      action: block
      patterns: ['rm\s+-rf', 'curl\s', 'wget\s', '`[^`]+`']

Führen Sie die Einführung mit drei Durchsetzungsmodi sicher durch:

Vorgefertigte Vorlagen für HIPAA, PCI-DSS, GxP und Datenresidenz finden Sie in policy-templates/.

Architektur

mastyf.ai betreibt zwei koordinierte Schwärme. Der CI-Schwarm greift Ihre Richtlinie an, bevor Code ausgeliefert wird. Der Laufzeitschwarm setzt durch und lernt aus jedem Live-Tool-Aufruf in der Produktion. Vier Rückkopplungsschleifen verbinden sie, sodass das System mit der Zeit schwerer zu umgehen ist.

flowchart TB

  AI["🤖 KI-Clients\nCursor · Claude Desktop · Cline"]

  subgraph CI["🔵 CI-Schwarm (PR + Nächtlich)"]
    direction LR
    Scout["🔍 Scout-Agent\nSAST, Abhängigkeiten, Konfigurationsscan"]
    Corpus["📋 Corpus-Agent\n228 Fixtures auswerten"]
    Evasion["⚡ Umgehungs-Agent\n120+ Sonden + neue generieren"]
    Parity["🔄 Paritäts-Agent\nNode vs. Python"]
    ProxyA["🖥️ Proxy-Agent\nLive stdio MCP-Tests"]
    Report["📊 Berichts-Agent\nsecurity-swarm/latest.json"]
    Scout --> Corpus --> Evasion --> Parity --> ProxyA --> Report
  end

  subgraph Runtime["🟢 Laufzeitschwarm (Produktionsproxy)"]
    direction LR
    BG["🛡️ BlockGuard\nsynchrone Richtlinie"]
    IL["📈 InstantLearner\nPro-Block-Statistiken + Vorschläge"]
    SA["🧠 SemanticAuditor\nasynchrones LLM, optional"]
    PS["🔗 PatternSynthesizer\nStapelvorschläge"]
    Cal["⚙️ Kalibrator\nLabels + Schwellenwerte"]
    BG --> IL --> PS --> Cal
    BG --> SA --> PS
  end

  Tools["🗄️ MCP-Tools\nDateisystem · GitHub · Datenbanken · APIs"]

  AI -->|"jeder Tool-Aufruf"| BG
  BG -->|"✅ erlaubt"| Tools
  Report -->|"🔁 Schleife A: Umgehungen zum Corpus"| Corpus
  Cal -->|"🔁 Schleife B: Blöcke zu Regeln"| BG
  Cal -->|"🔁 Schleife C: Labels zum LLM"| SA
  Report -->|"🔁 Schleife D: CI-Metriken wöchentlich"| Cal

  style CI fill:#EFF6FF,stroke:#3B82F6,stroke-width:2px,color:#1E3A5F
  style Runtime fill:#F0FDF4,stroke:#22C55E,stroke-width:2px,color:#14532D
  style Scout fill:#DBEAFE,stroke:#3B82F6,color:#1E40AF
  style Corpus fill:#DBEAFE,stroke:#3B82F6,color:#1E40AF
  style Evasion fill:#DBEAFE,stroke:#3B82F6,color:#1E40AF
  style Parity fill:#DBEAFE,stroke:#3B82F6,color:#1E40AF
  style ProxyA fill:#DBEAFE,stroke:#3B82F6,color:#1E40AF
  style Report fill:#DBEAFE,stroke:#3B82F6,color:#1E40AF
  style BG fill:#BBF7D0,stroke:#16A34A,color:#14532D
  style IL fill:#BBF7D0,stroke:#16A34A,color:#14532D
  style SA fill:#BBF7D0,stroke:#16A34A,color:#14532D
  style PS fill:#BBF7D0,stroke:#16A34A,color:#14532D
  style Cal fill:#BBF7D0,stroke:#16A34A,color:#14532D
  style AI fill:#FEF3C7,stroke:#F59E0B,stroke-width:2px,color:#78350F
  style Tools fill:#FEF3C7,stroke:#F59E0B,stroke-width:2px,color:#78350F

Kanonische Tore: 228/228 Corpus, 0 Umgehungen, 100% Parität

CI-Schwarm

Läuft bei jedem PR und nächtlich. Sechs Agenten arbeiten sequenziell, jeder härtet, was der vorherige gefunden hat.

Laufzeitschwarm

Läuft bei jedem Tool-Aufruf innerhalb des Produktionsproxys.

Rückkopplungsschleifen

Der Proxy unterstützt fünf Transporte: stdio, HTTP, SSE, streamable HTTP und WebSocket.

Für Unternehmensbereitstellungen mit Redis, Postgres und Kubernetes siehe docs/ENTERPRISE_DEPLOYMENT.md.

Bedrohungslabor

Das Bedrohungslabor beobachtet den Live-Verkehr und verwendet ein lokales LLM, um neue Angriffstestfälle vorzuschlagen, wenn es verdächtige Muster erkennt. Nichts wird automatisch angewendet. Sie überprüfen und genehmigen jeden Vorschlag im Dashboard, bevor er zu einer Regel wird.

Genehmigte Entdeckungen fließen zurück in den CI-Angriffscorpus für fortlaufende Regressionstests.

ollama serve
ollama pull qwen3:8b

export OLLAMA_BASE_URL=http://127.0.0.1:11434
export MASTYF_AI_LLM_PROVIDER=ollama
export MASTYF_AI_LLM_MODEL=qwen3:8b

pnpm dashboard:proxy

MCP-Paket-Vertrauensbewertungen

Bevor Sie einen MCP-Server von npm installieren, überprüfen Sie seine Vertrauensbewertung unter https://www.mastyf.ai/certified. Die Bewertungen decken CVE-Exposition, Typo-Squatting-Risiko, Betreiber-Signale und bekannte Angriffsmuster ab. Kostenlos, kein Konto erforderlich.

Häufige Befehle

Fehlerbehebung

Mehr erfahren

• Unternehmensbereitstellung (Redis, Postgres, Helm)
• Verteidigungspipeline im Detail
• Sicherheitsschwarm und CI-Red-Teaming
• Reale MCP-Integrationsbeispiele
• Kern-Erkennungsmaschine