Requisitos previos

• Docker 24+ y Docker Compose v2
• Mínimo 16 GB de RAM (Ollama carga los modelos en memoria; 8 GB solo funcionan con modelos pequeños)
• 20 GB de espacio libre en disco para las imágenes base y al menos un modelo
• CPU x86-64; Apple Silicon y ARM64 son compatibles, pero no han sido probados

La GPU es opcional. Ollama funciona con CPU, pero la inferencia será lenta sin una.

Inicio rápido

git clone https://github.com/sonuoffsec/DVAP
cd DVAP
cp .env.example .env
docker compose up -d

Abre http://localhost:8080 una vez que todos los contenedores estén saludables. La primera ejecución tarda entre 30 y 60 segundos.

Tabla de contenido

• Requisitos previos
• Inicio rápido
• ¿Qué es DVAP?
• ¿Por qué DVAP?
• En qué se diferencia DVAP
• Características principales
• Descripción general de la plataforma
• Demo
• Capturas de pantalla
• Laboratorios
• Cobertura OWASP LLM Top 10
• Arquitectura
• Arquitectura de seguridad
• Servicios
• Variables de entorno
• Actualización
• Desarrollo vs Producción
• Ejecución de pruebas
• Hoja de ruta
• Gobernanza
• Contribuciones
• Licencia

¿Qué es DVAP?

DVAP es una plataforma de código abierto para investigación, formación, benchmarking y red teaming en seguridad de IA, diseñada para ayudar a profesionales de la seguridad, ingenieros de IA, investigadores, estudiantes y organizaciones a comprender cómo fallan los sistemas de IA modernos y cómo defenderlos.

Construida para la era de la IA, DVAP ofrece aplicaciones de IA intencionadamente vulnerables, agentes, sistemas RAG, integraciones MCP y entornos específicos de dominio que pueden ser atacados, analizados, sometidos a benchmarks y asegurados.

A diferencia de los entornos de experimentación de IA basados en la nube, DVAP se ejecuta por completo en tu máquina.

Sin nube. Sin suscripciones. Sin costos de API. Sin dependencia de proveedor.

¿Por qué DVAP?

Las aplicaciones de IA modernas introducen superficies de ataque completamente nuevas:

• Inyección de Prompts
• Envenenamiento de Memoria
• Envenenamiento de RAG
• Abuso de Herramientas
• Explotación de MCP
• Ataques Multiagente
• Manipulación de Agentes Autónomos
• Exfiltración de Datos
• Fallos de Identidad y Confianza
• Riesgos de la Cadena de Suministro de IA

Sin embargo, no existe una plataforma única que permita a los investigadores aprender, practicar, realizar benchmarks y validar estos ataques de forma segura en un solo lugar.

DVAP aspira a convertirse en la plataforma de código abierto definitiva para la educación, la investigación y la experimentación en seguridad de IA.

En qué se diferencia DVAP

DVAP es una de las primeras plataformas que combina laboratorios prácticos de ataques a IA, benchmarking local de LLM, desafíos CTF e informes profesionales en un único entorno autoalojado.

Características principales

Laboratorios de Seguridad de IA 15 laboratorios intencionadamente vulnerables que cubren técnicas reales de ataque a IA.

Espacio de Trabajo de Investigación Inspecciona prompts, memoria, llamadas a herramientas, documentos recuperados, acciones de agentes y cadenas de ataque.

Benchmarking de Seguridad Evalúa modelos locales y externos contra suites de ataques de seguridad de IA.

Capture The Flag (CTF) Aprende seguridad de IA mediante desafíos guiados, flags, pistas y guías paso a paso.

Motor de Informes Genera hallazgos profesionales e informes de benchmarks mapeados a OWASP LLM Top 10, MITRE ATLAS, CWE y CVSS.

100% Local Ejecuta todo en tu propia máquina. Tus prompts, datos, hallazgos y experimentos nunca salen de tu entorno.

Descripción general de la plataforma

🎬 Demo

📸 Capturas de pantalla

🖥️ Centro de Comando de Investigación

_{Centro de Comando de Investigación  ·  Actividad en vivo de la plataforma, tabla de clasificación de benchmarks de modelos, progreso de captura de flags y salud de los servicios en una única vista operativa.}

🧩 Módulos de la Plataforma

🛡️ Panel de Hallazgos

_{Panel de Hallazgos  ·  Realiza seguimiento, clasifica y documenta hallazgos de seguridad con niveles de severidad, mapeo OWASP LLM Top 10, técnicas de MITRE ATLAS e informes listos para exportar.}

Laboratorios

15 laboratorios contenedorizados, cada uno con flags, pistas, guía paso a paso y mapeo a OWASP LLM Top 10 + MITRE ATLAS.

Cada laboratorio se ejecuta en un contenedor Docker aislado con su propio endpoint de LLM respaldado por Ollama.

Cobertura OWASP LLM Top 10

DVAP está alineado con el OWASP Top 10 para Aplicaciones de Modelos de Lenguaje Grande. Cada categoría se corresponde con uno o más laboratorios dedicados.

8 de 10 categorías cubiertas en 15 laboratorios. LLM04 y LLM10 están en la hoja de ruta de v1.2.

Arquitectura

graph TB
    User([User Browser]) --> Nginx[Nginx :8080]
    Nginx --> Web[Next.js Frontend :3000]
    Nginx --> API[FastAPI Backend :8000]

    API --> PG[(PostgreSQL)]
    API --> Redis[(Redis)]
    API --> Qdrant[(Qdrant)]
    API --> Sock[Docker Socket]

    Sock --> L1[Lab Container]
    Sock --> L2[Lab Container]
    Sock --> LN[Lab Container ...]

    L1 --> Ollama[Ollama :11434]
    L2 --> Ollama
    LN --> Ollama

    subgraph dvap-internal network
        Web
        API
        PG
        Redis
        Qdrant
    end

    subgraph dvap-labs network
        L1
        L2
        LN
        Ollama
    end

Los contenedores de laboratorio están aislados en una red Docker separada. Pueden acceder a Ollama para la inferencia de LLM, pero no pueden acceder a la base de datos, Redis ni Qdrant.

Arquitectura de seguridad

Aislamiento de red

Dos redes Docker mantienen el tráfico de los laboratorios separado de la infraestructura de la plataforma:

• dvap-internal (172.20.0.0/24) - PostgreSQL, Redis, Qdrant, API, frontend, Nginx
• dvap-labs (172.21.0.0/24) - contenedores de laboratorio y Ollama

Los contenedores de laboratorio pueden acceder a Ollama y a nada más en la red interna. No pueden acceder a PostgreSQL, Redis ni Qdrant.

Acceso al socket de Docker

Compensación conocida: el contenedor de API monta /var/run/docker.sock para crear y detener contenedores de laboratorio bajo demanda (Docker-out-of-Docker). Esto otorga al proceso de la API un acceso equivalente a root sobre el daemon Docker del host.

Esta es una decisión de diseño intencionada. DVAP es una instalación local de un solo usuario para investigación y formación en seguridad, no un servicio multiinquilino. La compensación se acepta porque:

• No existe una interfaz administrativa accesible por red que pueda desencadenar operaciones arbitrarias en contenedores
• Los límites de recursos de los contenedores de laboratorio (512 MB de RAM, 0.5 CPU) evitan el agotamiento de recursos
• Las imágenes de los laboratorios se construyen a partir de Dockerfiles controlados de este repositorio

Si vas a desplegar DVAP en un entorno compartido o en red, sustituye el montaje del socket por un socket Docker rootless o un socket de Podman (/run/user/1000/podman/podman.sock) y restringe el acceso de red de la API en consecuencia.

TTL de instancias

Las instancias de laboratorio se detienen automáticamente después de 1 hora mediante claves TTL de Redis. Llama a POST /api/v1/instances/cleanup para activar una limpieza anticipada.

Limitación de velocidad

Los envíos de flags tienen un límite de 15 intentos por ventana de 60 segundos por token de sesión.

Servicios

Variables de entorno

Consulta .env.example para ver todas las variables. Las más importantes que debes cambiar antes de cualquier despliegue en red:

SECRET_KEY=          # strong random value for HMAC signing
POSTGRES_PASSWORD=   # change from the default
REDIS_PASSWORD=      # change from the default

Actualización

Un solo comando mantiene tu instalación actualizada:

make upgrade

Esto ejecuta git pull y luego reconstruye y reinicia todos los contenedores. Las migraciones de base de datos se ejecutan automáticamente en cada inicio del contenedor de API.

Sin make:

git pull
docker compose up -d --build

Qué se actualiza automáticamente

• Código del backend y endpoints de la API
• Panel del frontend
• Esquema de la base de datos (migraciones de Alembic)
• Definiciones de laboratorios

Qué nunca se modifica

• Tus datos (hallazgos, sesiones de investigación, resultados de benchmarks, campañas)
• Tu archivo .env

Comprueba si hay nuevas variables de entorno

diff .env .env.example

Desarrollo vs Producción

# Development (default) - auto-loads docker-compose.override.yml
# Hot reload for API and frontend, source mounted as volumes
docker compose up -d

# Production - baked images, no volume mounts, 4 uvicorn workers
docker compose -f docker-compose.yml up -d

Construye las imágenes antes de la ejecución en producción:

docker build -t dvap-api:latest --target production ./backend
docker build -t dvap-web:latest --target production ./frontend

Ejecución de pruebas

Las pruebas requieren una instancia de PostgreSQL. Primero inicia la pila:

docker compose up -d postgres
export TEST_DATABASE_URL=postgresql+asyncpg://dvap:<your-postgres-password>@localhost:5432/dvap_test
cd backend
pip install -e ".[dev]"
pytest

Hoja de ruta

v1.1 - Cobertura ampliada de laboratorios

• Laboratorio de seguridad de agentes LangChain
• Laboratorio de seguridad multiagente CrewAI
• Laboratorio de seguridad RAG de LlamaIndex
• Laboratorio de agente autónomo estilo AutoGPT

v1.2 - Benchmarking mejorado

• Soporte para modelos de API de OpenAI y Anthropic
• Constructor de suites de benchmarks personalizadas
• Informes comparativos de benchmarks entre versiones de modelos
• Pruebas de regresión automatizadas para la seguridad de modelos

v1.3 - Mejoras de plataforma

• Soporte multiusuario con aislamiento de sesiones
• Extensión de VS Code para el espacio de trabajo de investigación
• Integración con GitHub Actions para pruebas de seguridad en CI/CD
• Sistema de progresión de dificultad de los laboratorios

v2.0 - Automatización de Red Team de IA

• Generación automatizada de cadenas de ataque
• Descubrimiento de vulnerabilidades asistido por IA
• Plantillas de campañas de red team
• Integración con herramientas de seguridad populares (Burp Suite, Metasploit)

¿Quieres contribuir a la hoja de ruta? Abre un issue o inicia una discusión.

Gobernanza

DVAP es desarrollado y mantenido por Sonu Chaudhary.

Las contribuciones de la comunidad son bienvenidas y se rigen por las directrices de contribución. La dirección a largo plazo se impulsa a través de GitHub Issues y Discussions. Las adiciones de laboratorios, las propuestas de funcionalidades y las aportaciones a la hoja de ruta se revisan públicamente.

No existe riesgo de punto único de fallo: el repositorio es de código abierto bajo Apache 2.0 y la comunidad puede hacer fork en cualquier momento.

Contribuciones

Consulta CONTRIBUTING.md para saber cómo añadir laboratorios, ejecutar pruebas y enviar pull requests.

Licencia

Apache 2.0 - consulta LICENSE para ver el texto completo.