🛡️ Veritensor: Sicurezza di Dati e Artefatti AI

Veritensor è l'Antivirus per gli Artefatti AI e il firewall definitivo per le pipeline RAG. Protegge l'intera catena di fornitura AI scansionando gli artefatti che i tradizionali strumenti SAST non rilevano: Modelli, Dataset, Documenti RAG e Notebook.

Veritensor sposta la sicurezza a sinistra (shift left). Invece di aspettare che una prompt injection colpisca il tuo LLM, Veritensor intercetta e bonifica documenti dannosi, dataset avvelenati e dipendenze compromesse prima che entrino nel tuo Vector DB o nell'ambiente di esecuzione.

A differenza dei normali strumenti SAST (che si concentrano sul codice), Veritensor comprende i formati binari e serializzati usati nel Machine Learning:

Modelli: analisi AST profonda di Pickle, PyTorch, Keras, Safetensors per bloccare RCE e backdoor.
Dati e RAG: scansione in streaming di Parquet, CSV, Excel, PDF per rilevare Data Poisoning, Prompt Injection e PII.
Notebook: hardening dei file Jupyter (.ipynb) rilevando segreti divulgati (tramite analisi dell'entropia), magics dannosi e XSS.
Catena di fornitura: verifica le dipendenze (requirements.txt, poetry.lock) per Typosquatting e CVE noti (tramite OSV.dev).
Agentic AI e server MCP: analisi AST pura dei file Python per rilevare rischi di Agent Hijacking nelle funzioni @mcp.tool(). Scansiona claude_desktop_config.json e mcp.json per permessi eccessivi.
Governance: genera Data Manifest crittografici (Provenance) e firma i container tramite Sigstore.

🚀 Funzionalità

Sicurezza RAG nativa: incorpora Veritensor direttamente in LangChain, LlamaIndex, ChromaDB e Unstructured.io per bloccare le minacce in fase di esecuzione.
Scansione parallela ad alte prestazioni: utilizza tutti i core della CPU con una robusta cache SQLite (modalità WAL). La riscansionatura di un dataset da 100GB richiede millisecondi se i file non sono cambiati.
Rilevamento avanzato dello stealth: gli hacker nascondono le prompt injection usando CSS (font-size: 0, color: white) e commenti HTML. Veritensor scansiona i flussi binari grezzi per catturare ciò che i parser standard non vedono.
Sicurezza dei dataset: trasmette in streaming dataset enormi (100GB+) per individuare pattern di "avvelenamento" (es. "Ignore previous instructions") e URL dannosi in Parquet, CSV, JSONL ed Excel.
Ispezione degli archivi: scansiona in sicurezza l'interno di file .zip, .tar.gz, .whl senza estrarli su disco (protetto contro le Zip Bomb).
Audit delle dipendenze: controlla pyproject.toml, poetry.lock e Pipfile.lock per pacchetti dannosi (Typosquatting) e vulnerabilità.
Provenienza dei dati: il comando veritensor manifest . crea un'istantanea JSON firmata dei tuoi artefatti dati per la conformità (EU AI Act).
Verifica dell'identità: verifica automaticamente gli hash dei modelli rispetto al registro ufficiale di Hugging Face per rilevare attacchi Man-in-the-Middle.
Motore di de-offuscamento: rileva e decodifica automaticamente le stringhe Base64 per scoprire payload nascosti (es. SWdub3Jl... -> Ignore previous instructions).
Validazione dei magic number: rileva malware camuffati da file innocui (es. un .exe rinominato in invoice.pdf).
Filtraggio intelligente e analisi dell'entropia: riduce drasticamente i falsi positivi nei Jupyter Notebook. Usa l'entropia di Shannon per trovare vere chiavi API sconosciute (WandB, Pinecone, Telegram) ignorando UUID innocui e import standard.
Report HTML pronti per il CISO: genera report di sicurezza HTML autonomi e curati, con grafici interattivi e suddivisioni per gravità, usando il flag --html.

📦 Installazione

Veritensor è modulare. Installa solo ciò di cui hai bisogno per mantenere l'ambiente leggero (~50MB core).

Opzione	Comando	Caso d'uso
Core	`pip install veritensor`	Scanner di base (Modelli, Notebook, Dipendenze)
RAG	`pip install "veritensor[rag]"`	Documenti (PDF, DOCX, PPTX)
PII	`pip install "veritensor[pii]"`	Rilevamento PII basato su ML (Presidio)
AWS	`pip install "veritensor[aws]"`	Scansione diretta da bucket S3
All	`pip install "veritensor[all]"`	Suite completa per la sicurezza enterprise

Tramite Docker (Consigliato per CI/CD)

docker pull arseniibrazhnyk/veritensor:latest

⚡ Avvio Rapido

1. Scansiona un progetto locale (parallelo)

Scansiona ricorsivamente una directory per tutte le minacce supportate usando 4 core della CPU:

veritensor scan ./my-rag-project --recursive --jobs 4

2. Scansiona documenti RAG ed Excel

Controlla la presenza di Prompt Injection e Formula Injection nei dati aziendali:

veritensor scan ./finance_data.xlsx
veritensor scan ./docs/contract.pdf

3. Genera un Data Manifest

Crea un'istantanea di conformità della cartella del tuo dataset:

veritensor manifest ./data --output provenance.json

4. Sincronizza Policy-as-Code con il Control Plane

Invia le tue soglie di sicurezza locali al Server Enterprise:

veritensor scan . --sync-policy --api-key "vt_your_key"

5. Scansiona dataset AI (Bias e Poisoning)

Veritensor usa lo streaming per gestire file enormi. Per impostazione predefinita campiona 10.000 righe per la velocità.

veritensor scan ./data/train.parquet --full-scan

6. Verifica l'integrità del modello

Assicurati che il file sul tuo disco corrisponda alla versione ufficiale di Hugging Face (rileva manomissioni):

veritensor scan ./pytorch_model.bin --repo meta-llama/Llama-2-7b

7. Scansiona da Amazon S3

Scansiona risorse remote senza download manuale:

veritensor scan s3://my-ml-bucket/models/llama-3.pkl

8. Verifica rispetto a Hugging Face

Assicurati che il file sul tuo disco corrisponda alla versione ufficiale del registro (rileva manomissioni):

veritensor scan ./pytorch_model.bin --repo meta-llama/Llama-2-7b

9. Controllo di conformità delle licenze

Veritensor legge automaticamente i metadati dai file safetensors e GGUF. Se un modello ha una licenza Non-Commercial (es. cc-by-nc-4.0), genera un avviso di gravità ALTA.

Per ignorare questo comportamento (modalità Break-glass), usa:

veritensor scan ./model.safetensors --force

10. Scansiona dataset AI