AIVP [AI भेद्यता प्लेग्राउंड]

AIVP एक व्यावहारिक AI सुरक्षा लैब प्लेटफ़ॉर्म है जिसमें 4 चरण और 50+ लैब शामिल हैं (वर्तमान में कोडबेस में 50+ परिदृश्य)। यह Ollama + Llama 3.1, एक FastAPI बैकएंड, और एक React/Vite फ्रंटएंड को जोड़ता है ताकि अभ्यासकर्ता आक्रामक और रक्षात्मक AI सुरक्षा तकनीकों का सुरक्षित रूप से अभ्यास कर सकें।

यदि यह आपके काम आए, तो कृपया रिपो को ⭐ स्टार / लाइक करें, उसे फ़ोर्क करें, और PR खोलने में संकोच न करें!

---

विषय-सूची

• अवलोकन
• चलाने के चरण
• पूर्वापेक्षाएँ
• प्रोजेक्ट संरचना
• हार्डवेयर आवश्यकताएँ
• सेटअप और इंस्टॉलेशन
  • त्वरित प्रारंभ (Windows PowerShell)
  • त्वरित प्रारंभ (macOS/Linux bash)
  • मैन्युअल चरण
• लैब चलाना
• कॉन्फ़िगरेशन
• स्क्रीनशॉट
• समस्या निवारण
• योगदान
• समस्याएँ और प्रतिक्रिया
• लाइसेंस

---

चलाने के चरण

समर्पित रन गाइड का उपयोग करें: RUN_STEPS.md। इसमें मैन्युअल (Vite + uvicorn) और Docker (nginx + API + Redis, होस्ट पर Ollama) दोनों शामिल हैं, साथ ही विश्वसनीय लैब एक्सेस के लिए पूर्वापेक्षाएँ भी।

सक्रिय रनटाइम पथों में कॉन्फ़िग व्यवहार सख्त है: डिज़ाइन के अनुसार आवश्यक env मानों के अभाव में स्टार्टअप विफल हो सकता है।

---

अवलोकन

यह प्लेटफ़ॉर्म चार प्रशिक्षण ट्रैक को कवर करता है:

• चरण 1 (PI): प्रॉम्प्ट इंजेक्शन और निर्देश-पालन दुरुपयोग पैटर्न
• चरण 2 (DE): एजेंटिक सिस्टम, टूल/मेमोरी/RAG लीकेज, और मल्टी-सिस्टम डेटा निष्कर्षण
• चरण 3 (MM): मॉडल-हेरफेर और मॉडल-केवल हमले की सतहें
• चरण 4 (MCP): MCP ट्रस्ट सीमाएँ और OWASP MCP-संरेखित जोखिम परिदृश्य

प्रत्येक लैब गतिशील प्रति-लैब सीक्रेट और स्पष्ट सत्यापन का उपयोग करती है ताकि आप सुरक्षित वातावरण में एक्सप्लॉइट की सफलता सत्यापित कर सकें।

केवल शैक्षिक उपयोग — लैब स्थानीय सिस्टम पर आक्रामक और रक्षात्मक AI सुरक्षा परिदृश्यों का अनुकरण करती हैं। उन वास्तविक सेवाओं, डेटा या इंफ्रास्ट्रक्चर को लक्षित न करें जिनके आप मालिक नहीं हैं या जिनके परीक्षण की आपको स्पष्ट अनुमति नहीं है। इन लैब के सीक्रेट सिंथेटिक हैं और प्रति-लैब पुनर्जनित होते हैं; वे उत्पादन क्रेडेंशियल नहीं हैं। अपने जोखिम पर उपयोग करें। कोई वारंटी प्रदान नहीं की जाती है।

• मॉडल: Ollama के माध्यम से Llama 3.1 (स्थानीय)
• बैकएंड: FastAPI (SSE स्ट्रीमिंग) — POST /api/labs/{lab}/chat
• फ्रंटएंड: React + Vite (Tailwind UI)
• सीक्रेट: रनटाइम पर प्रति-लैब उत्पन्न; API पुनःआरंभ पर रीसेट (या रीसेट एंडपॉइंट के माध्यम से)
• विशिष्ट विशेषताएँ: वास्तविक सबसिस्टम सिमुलेशन (एजेंट/टूल/मेमोरी/RAG), रन ट्रैकिंग टेलीमेट्री, सख्त कॉन्फ़िग मोड, और मैन्युअल + Docker वर्कफ़्लो

---

पूर्वापेक्षाएँ

• Python 3.10+ (3.12 काम करता है)
• Node.js 18+ (Node 20 LTS अनुशंसित)
• Ollama स्थानीय रूप से इंस्टॉल और चालू
• Git (वैकल्पिक लेकिन अनुशंसित)

कम से कम एक बार मॉडल पुल करें: ollama pull llama3.1 (या आपकी पसंद का कोई अन्य llama3.1-संगत वैरिएंट)

---

प्रोजेक्ट संरचना

apps/
  api/                # FastAPI backend (SSE -> Ollama)
    main.py
    requirements.txt
    .env.example
  web/                # React + Vite frontend
    src/
    .env.example

हार्डवेयर आवश्यकताएँ

• न्यूनतम (केवल CPU): 4 कोर, 16 GB RAM, 10 GB खाली डिस्क, कोई GPU नहीं → काम करता है, धीमी जनरेशन
• अनुशंसित: 8 कोर, 32 GB RAM, SSD 20+ GB खाली, NVIDIA 8–12 GB VRAM (या Apple Silicon) → तेज़ UX

CPU

• AVX2 (आधुनिक Intel/AMD) या Apple Silicon (M1/M2/M3) वाला 64-bit CPU।
• 4 कोर न्यूनतम; समानांतर चैट + डेव टूल्स के लिए 8+ कोर अनुशंसित।

RAM (Ollama के माध्यम से Llama 3 8B, क्वांटाइज़्ड)

• Q4_K_M (~4–5 GB मॉडल): रनटाइम पर ~6–8 GB चाहिए।
• Q5/Q6 (~6–8 GB): ~10–12 GB रनटाइम।
• Q8 (~9–10 GB): ~14–16 GB रनटाइम।

टिप: 16 GB सिस्टम RAM काम करती है; 32 GB ब्राउज़र, Node, Python और IDE के लिए आरामदायक हेडरूम देती है।

GPU (वैकल्पिक)

• Windows/Linux (CUDA): ≥8 GB VRAM वाला NVIDIA RTX (जैसे, 3060 12 GB बढ़िया है)।
• macOS (Metal): कोई भी Apple Silicon।
• केवल CPU भी ठीक है; प्रतिक्रियाएँ बस धीमी होंगी।

डिस्क

• मॉडल: क्वांट के आधार पर 5–10 GB।
• Repo + node_modules + venv: 1–2 GB।
• 15–20 GB खाली की योजना बनाएं।

OS

• Windows 10/11, macOS 12+, Ubuntu 20.04+ (या समान)। WSL2 भी काम करता है (GPU को अतिरिक्त सेटअप की आवश्यकता होती है)।

डेव टूलिंग

• Python 3.10+, Node 18+ (20 LTS आदर्श), Ollama इंस्टॉल और चालू।

प्रदर्शन टिप्स

• llama3 (8B) Q4 से शुरू करें; क्वांट केवल तभी बढ़ाएं जब आपके पास अतिरिक्त RAM/VRAM हो।
• मेमोरी स्पाइक्स से बचने के लिए प्रॉम्प्ट/कॉन्टेक्स्ट उचित (2–4k टोकन) रखें।
• यदि आप 16 GB RAM पर हैं तो भारी ऐप्स बंद कर दें।

---

सेटअप और इंस्टॉलेशन

त्वरित प्रारंभ (Windows PowerShell)

रिपो रूट से (वह फ़ोल्डर जिसमें apps\api और apps\web हैं):

# 0) Ensure the model is available
ollama pull llama3.1

# 1) Backend venv + deps + run
cd apps/api
python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt
copy .env.example .env
uvicorn main:app --reload --port 8000

फ्रंटएंड के लिए एक नई PowerShell विंडो खोलें:

cd apps/web
npm install
copy .env.example .env
npm run dev   # http://localhost:5173

त्वरित प्रारंभ (macOS/Linux bash)

# 0) Model
ollama pull llama3.1

# 1) Backend
cd apps/api
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
cp .env.example .env
uvicorn main:app --reload --port 8000

दूसरे शेल में:

cd apps/web
npm install
cp .env.example .env
npm run dev   # http://localhost:5173

मैन्युअल चरण

1. Ollama शुरू करें और इसे चालू रखें (यदि आवश्यक हो तो ollama serve)।
2. Llama 3.1 पुल करें: ollama pull llama3.1।
3. बैकएंड चलाएं (FastAPI) को :8000 पर।
4. फ्रंटएंड चलाएं (Vite) को :5173 पर।

फ्रंटएंड बैकएंड से Server‑Sent Events (SSE) स्ट्रीम करता है; सुनिश्चित करें कि apps/api/.env में CORS ऑरिजिन में http://localhost:5173 शामिल है।

---

लैब चलाना

• फ्रंटएंड को http://localhost:5173 पर खोलें।
• Explore Labs पर जाएं → एक लैब चुनें → Launch Lab करें।
• असिस्टेंट पर हमला करने के लिए चैट का उपयोग करें (लैब-विशिष्ट प्रॉम्प्ट नियम लागू होते हैं)।
• एक बार सीक्रेट प्राप्त हो जाए, तो उसे Submit Your Answer में पेस्ट करें।

स्वीकृत लैब ID प्रारूप (बैकएंड द्वारा): PI-01, PI_01, pi01, p01 → सभी PI_01 में सामान्यीकृत होते हैं।

डायनामिक सीक्रेट बैकएंड पुनःआरंभ के बाद पहली बार किसी लैब का उपयोग होने पर बनाए जाते हैं। आप सीक्रेट रीसेट भी कर सकते हैं:

POST /api/secrets/reset/{labId}

---

प्रत्येक लैब का सीक्रेट अलग होता है और बैकएंड पुनःआरंभ पर (इन-मेमोरी में) पुनर्जनित होता है। यदि आपको पर्सिस्टेंस चाहिए तो फ़ाइल/DB के साथ बैकअप करने पर विचार करें।

---

कॉन्फ़िगरेशन

बैकएंड (apps/api/.env)

OLLAMA_URL=http://localhost:11434
OLLAMA_MODEL=llama3.1
CORS_ORIGINS=http://localhost:5173
SERVER_SALT=change-me-in-production
AIVP_DEFAULT_MODE=off
ENABLE_TRAINING_LABS=false
OLLAMA_MODEL_TRAINING_LABS=llama3.1
REDIS_URL=redis://localhost:6379/0
REDIS_HOST=localhost
REDIS_PORT=6379
MEMORY_TTL_SECONDS=3600
SESSION_TTL_SECONDS=3600
AGENT_B_URL=http://localhost:8001
MM_API_BASE=http://localhost:8000
API_BASE_URL=http://localhost:8000
JIRA_URL=https://example.atlassian.net
GITHUB_API_BASE_URL=https://api.github.com
SLACK_API_BASE_URL=https://slack.com/api

फ्रंटएंड (apps/web/.env)

# Local dev: full URL to the API (Vite proxies /api in vite.config as well)
VITE_API_BASE=http://localhost:8000/api
VITE_DEV_API_TARGET=http://localhost:8000
[email protected]