Orbyx AI SPM - Gestión de Postura de Seguridad de IA

La gestión de postura de seguridad de IA (AI-SPM) es un enfoque integral para mantener la seguridad e integridad de los sistemas de inteligencia artificial (IA) y aprendizaje automático (ML). Implica la monitorización, evaluación y mejora continua de la postura de seguridad de los modelos, datos e infraestructura de IA. AI-SPM incluye la identificación y mitigación de vulnerabilidades, configuraciones incorrectas y riesgos potenciales asociados con la adopción de IA, así como garantizar el cumplimiento de las normativas de privacidad y seguridad pertinentes.

Este proyecto de código abierto está dedicado a implementar AI-SPM a nivel empresarial. Al hacerlo, las organizaciones pueden proteger de forma proactiva sus sistemas de IA contra amenazas, minimizar la exposición de datos y mantener la confiabilidad de sus aplicaciones de IA (agentes, servidores MPC, modelos y más). Su organización está poniendo todo lo que tiene en aplicaciones de IA; ¿está preparado para asegurarlas?
Antes de responder, piense en estas preguntas concretas:
¿Puede identificar toda la IA en la sombra (incluyendo modelos de IA, agentes y recursos asociados) que hay en su entorno?
¿Está protegiendo eficazmente los datos de IA para evitar envenenamiento de datos, sesgos y violaciones de cumplimiento?
¿Sabe cómo priorizar los riesgos críticos de IA con contexto?
¿Confía en que puede detectar y responder rápidamente a actividades sospechosas en los pipelines de IA?
Si respondió "no estoy seguro" o "no" a aunque sea una de esas preguntas, entonces debería echar un vistazo más de cerca a este proyecto. Es la forma de ver el estado actual de la seguridad de su ecosistema de IA.

Descubra la seguridad de sus modelos de IA, agentes y recursos asociados. Identifique riesgos en las cadenas de suministro/pipelines de aplicaciones de IA y agentes, que pueden llevar a la exfiltración de datos y al uso indebido de recursos. Implemente controles de gobierno adecuados en torno al uso de IA.

Guía rápida de despliegue 101

Obtenga Orbyx AI SPM funcionando localmente en unos sencillos pasos. Requisitos previos:

macOS:

brew install mkcert istioctl
mkcert -install

Ubuntu / Debian:

sudo apt-get update
sudo apt-get install -y libnss3-tools  # mkcert necesita esto para confiar en la CA en los navegadores (soporte SSL)

Fedora / RHEL:

sudo dnf install -y nss-tools

Todas las distribuciones Linux

curl -fsSLo /tmp/mkcert "https://github.com/FiloSottile/mkcert/releases/latest/download/mkcert-v1.4.4-linux-amd64"
sudo install -m 0755 /tmp/mkcert /usr/local/bin/mkcert

curl -fsSL https://istio.io/downloadIstio | sh -
sudo install -m 0755 istio-*/bin/istioctl /usr/local/bin/istioctl

mkcert -install

Si está en Linux arm64, reemplace linux-amd64 por linux-arm64 en la URL de mkcert.

Paso 1 — Instalar el clúster K8S (Kind)

Clone el repositorio.

Iniciar (clúster limpio)

Ejecute desde /<project_root>. Cada paso es idempotente.

  <project_root>/deploy/scripts/bootstrap-cluster.sh

De principio a fin en una máquina nueva: aproximadamente 20 minutos. Las ejecuciones posteriores que solo vuelvan a desplegar el chart de AISPM tardan unos 5 minutos.

Una vez que el bootstrap se complete, navegue a:

Haga clic en Iniciar sesión en cualquiera de las páginas — cuenta demo: admin / admin.

¡Eso es todo! Ya está funcionando.

Resumen de Arquitectura

Plano de Control y Ruta de Datos

Directrices para Pull Requests

• Una preocupación por PR — mantenga los cambios enfocados y revisables
• Escriba una descripción clara — qué cambió y por qué
• Incluya pruebas — las nuevas funcionalidades y correcciones de errores deben tener cobertura de pruebas
• Pase las CI — todas las pruebas deben estar en verde antes de la revisión
• Actualice la documentación — si cambia el comportamiento, actualice el archivo .md correspondiente

Nomenclatura de ramas:

Estructura del Proyecto

services/          # Microservicios backend (Python / FastAPI)
ui/                # Frontend (React + Vite)
platform_shared/   # Módulos Python compartidos (JWT, Kafka, modelos)
spm/               # Definiciones de políticas y cumplimiento SPM
opa/               # Políticas Rego de OPA
grafana/           # JSON de paneles y configuración de aprovisionamiento
prometheus/        # Configuración de recolección
tests/             # Pruebas unitarias y de integración
scripts/           # Utilidades de desarrollo (generación de JWT, etc.)

Reportar Problemas

Por favor, abra un Issue en GitHub e incluya:

• Una descripción clara del problema
• Pasos para reproducir
• Registros relevantes (salida de make logs-api)
• Su entorno (SO, versión de Docker, arquitectura del chip)

Estilo de Código

• Python — siga PEP 8; use type hints cuando sea práctico
• JavaScript — ESM estándar; no se requiere configuración de linting externa
• Commits — use Conventional Commits (feat:, fix:, docs:, etc.)