mastyf.ai

Sécurité périmétrique pour votre IA.

Application en temps réel, contrôle des politiques et historique d'audit complet pour chaque action de l'IA.

Site Web · Démarrage rapide · Politique · Tableau de bord · GitHub

Le problème

Les agents d'IA peuvent lire vos fichiers, pousser du code, interroger des bases de données, exécuter des commandes shell et appeler des API externes. Ils le font de manière autonome, à la vitesse d'une machine.

Les contrôles de sécurité traditionnels n'ont pas été conçus pour cela.

Mastyf.ai agit comme une couche de sécurité périmétrique pour l'IA. Il intercepte chaque appel d'outil, l'évalue par rapport à vos politiques de sécurité en utilisant une analyse multi-agents en essaim, et bloque les actions malveillantes ou non autorisées avant qu'elles ne s'exécutent.

Chaque décision est appliquée, enregistrée et vérifiable.

Ce qu'il bloque

Démarrage rapide

Construction à partir des sources

Clonez le dépôt et exécutez le script de configuration.

Prérequis :

• Git
• Linux (le script de configuration installe Nix automatiquement si nécessaire)

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

Le script de configuration effectue automatiquement :

• Installation de Nix (si nécessaire)
• Activation des flakes Nix
• Création de l'environnement de développement
• Installation de toutes les dépendances du projet
• Reconstruction des paquets natifs
• Construction de l'ensemble du projet
• Ajout d'un alias shell pratique mastyf

Une fois l'installation terminée, démarrez le proxy et le tableau de bord :

node dist/cli.js start

Ou utilisez simplement l'alias après avoir ouvert un nouveau terminal :

mastyf

Le tableau de bord sera accessible à l'adresse :

• Tableau de bord : http://localhost:4000

Tester l'installation

Si le tableau de bord est en cours d'exécution, vérifiez le pont HTTP :

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

Tableau de bord

Visibilité complète sur chaque action de votre IA.

N'exposez pas le port 4000 publiquement sans activer l'authentification du tableau de bord. La configuration de développement locale par défaut a DASHBOARD_AUTH_DISABLED=true.

Comment fonctionne l'application

Chaque appel d'outil passe par trois couches avant d'atteindre votre infrastructure.

Couche 1 - Détection de motifs Analyse basée sur des expressions régulières à la recherche d'injections, de chemins dangereux, de secrets divulgués, de commandes shell et d'astuces d'encodage. S'exécute en microsecondes sans dépendances externes.

Couche 2 - Validation de schéma Rejette les charges utiles malformées, les arguments surdimensionnés et les violations du protocole JSON-RPC avant qu'elles n'atteignent l'évaluation de la politique.

Couche 3 - Examen sémantique Un LLM local optionnel (Ollama) ou un modèle cloud évalue les appels limites qui passent les vérifications de motifs. Retour aux heuristiques si aucun modèle n'est configuré.

Tout ce qui échoue est bloqué. L'outil ne s'exécute jamais. Tout est enregistré.

Politique

Vos règles se trouvent dans default-policy.yaml. Elles vous appartiennent. mastyf.ai les applique.

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', '`[^`]+`']

Déployez en toute sécurité avec trois modes d'application :

Des modèles pré-construits pour HIPAA, PCI-DSS, GxP et la résidence des données se trouvent dans policy-templates/.

Architecture

mastyf.ai exécute deux essaims coordonnés. L'essaim CI attaque votre politique avant que le code ne soit livré. L'essaim Runtime applique et apprend de chaque appel d'outil en direct en production. Quatre boucles de rétroaction les relient, de sorte que le système devient plus difficile à contourner avec le temps.

flowchart TB

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

  subgraph CI["🔵 Essaim CI (PR + Nuit)"]
    direction LR
    Scout["🔍 Agent Scout\nSAST, dépendances, analyse config"]
    Corpus["📋 Agent Corpus\n228 fixtures d'évaluation"]
    Evasion["⚡ Agent Évasion\n120+ sondes + génération de nouvelles"]
    Parity["🔄 Agent Parité\nNode vs Python"]
    ProxyA["🖥️ Agent Proxy\nTests MCP stdio en direct"]
    Report["📊 Agent Rapport\nsecurity-swarm/latest.json"]
    Scout --> Corpus --> Evasion --> Parity --> ProxyA --> Report
  end

  subgraph Runtime["🟢 Essaim Runtime (Proxy de production)"]
    direction LR
    BG["🛡️ BlockGuard\npolitique synchrone"]
    IL["📈 InstantLearner\nstatistiques par bloc + suggestions"]
    SA["🧠 SemanticAuditor\nLLM asynchrone, optionnel"]
    PS["🔗 PatternSynthesizer\nsuggestions par lots"]
    Cal["⚙️ Calibrateur\nétiquettes + seuils"]
    BG --> IL --> PS --> Cal
    BG --> SA --> PS
  end

  Tools["🗄️ Outils MCP\nsystème de fichiers · GitHub · bases de données · API"]

  AI -->|"chaque appel d'outil"| BG
  BG -->|"✅ autorisé"| Tools
  Report -->|"🔁 Boucle A : contournements vers corpus"| Corpus
  Cal -->|"🔁 Boucle B : blocages vers règles"| BG
  Cal -->|"🔁 Boucle C : étiquettes vers LLM"| SA
  Report -->|"🔁 Boucle D : métriques CI hebdomadaires"| 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

Portes canoniques : 228/228 corpus, 0 contournements, 100% de parité

Essaim CI

S'exécute sur chaque PR et chaque nuit. Six agents travaillent en séquence, chacun renforçant ce que le précédent a trouvé.

Essaim Runtime

S'exécute à l'intérieur du proxy de production sur chaque appel d'outil.

Boucles de rétroaction

Le proxy prend en charge cinq transports : stdio, HTTP, SSE, HTTP streamable et WebSocket.

Pour les déploiements d'entreprise avec Redis, Postgres et Kubernetes, voir docs/ENTERPRISE_DEPLOYMENT.md.

Laboratoire de menaces

Le laboratoire de menaces observe le trafic en direct et utilise un LLM local pour proposer de nouveaux cas de test d'attaque lorsqu'il détecte des motifs suspects. Rien n'est appliqué automatiquement. Vous examinez et approuvez chaque suggestion dans le tableau de bord avant qu'elle ne devienne une règle.

Les découvertes approuvées sont réinjectées dans le corpus d'attaque CI pour des tests de régression continus.

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

Scores de confiance des paquets MCP

Avant d'installer un serveur MCP depuis npm, vérifiez son score de confiance sur https://www.mastyf.ai/certified. Les scores couvrent l'exposition aux CVE, le risque de typosquattage, les signaux du mainteneur et les schémas d'attaque connus. Gratuit, sans compte requis.

Commandes courantes

Dépannage

En savoir plus

• Déploiement d'entreprise (Redis, Postgres, Helm)
• Pipeline de défense en profondeur
• Essaim de sécurité et équipe rouge CI
• Exemples d'intégration MCP réels
• Moteur de détection central