Orbyx AI SPM - Gestione della Postura di Sicurezza dell'IA

AI security posture management (AI-SPM) è un approccio completo per mantenere la sicurezza e l'integrità dei sistemi di intelligenza artificiale (IA) e machine learning (ML). Comporta il monitoraggio continuo, la valutazione e il miglioramento della postura di sicurezza dei modelli di IA, dei dati e dell'infrastruttura. L'AI-SPM include l'identificazione e la gestione di vulnerabilità, configurazioni errate e rischi potenziali associati all'adozione dell'IA, nonché la garanzia della conformità con le pertinenti normative sulla privacy e sulla sicurezza.

Questo progetto open source è dedicato all'implementazione dell'AI-SPM a livello Enterprise. In questo modo, le organizzazioni possono proteggere proattivamente i propri sistemi di IA dalle minacce, ridurre al minimo l'esposizione dei dati e mantenere l'affidabilità delle loro applicazioni di IA (agenti, server MPC, modelli e altro). La vostra organizzazione sta investendo tutto nelle applicazioni di IA: siete pronti a proteggerle?
Prima di rispondere, pensate a queste domande specifiche:
Riuscite a identificare tutta l'IA ombra (inclusi modelli di IA, agenti e risorse associate) presente nel vostro ambiente?
State proteggendo efficacemente i dati dell'IA per prevenire avvelenamento dei dati, bias e violazioni della conformità?
Sapete come prioritizzare i rischi critici dell'IA con contesto?
Siete fiduciosi di poter rilevare e rispondere rapidamente a attività sospette nelle pipeline di IA?
Se avete risposto "non sono sicuro" o "no" anche a una sola di queste domande, allora dovreste dare un'occhiata più da vicino a questo progetto. È il modo per vedere lo stato attuale della sicurezza del vostro ecosistema di IA.

Scoprite la sicurezza dei vostri modelli di IA, agenti e risorse associate. Identificate i rischi lungo le catene di fornitura/le pipeline delle applicazioni di IA e gli agenti - che possono portare all'esfiltrazione dei dati e all'uso improprio delle risorse. Implementate controlli di governance adeguati sull'uso dell'IA.

Guida rapida al deploy 101

Avviate Orbyx AI SPM in locale in pochi semplici passaggi. Prerequisiti:

macOS:

brew install mkcert istioctl
mkcert -install

Ubuntu / Debian:

sudo apt-get update
sudo apt-get install -y libnss3-tools  # mkcert needs this to trust the CA in browsers (SSL suport)

Fedora / RHEL

sudo dnf install -y nss-tools

Tutte le distribuzioni 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

Se sei su Linux arm64, sostituisci linux-amd64 con linux-arm64 nell'URL di mkcert.

Passo 1 — Installa il cluster K8S (Kind)

clona il repository.

Avvio (cluster pulito)

Esegui da /<project_root>. Ogni passo è idempotente.

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

Dall'inizio alla fine su una macchina nuova: circa 20 minuti. Le esecuzioni successive che ridistribuiscono solo il chart AISPM richiedono circa 5 minuti.

Una volta completato il bootstrap, naviga a:

https://127.0.0.1:8888 (portal) https://127.0.0.1:9999 (chat)

Fai clic su Accedi in una delle due pagine — account demo: admin / admin.

Ecco fatto! Sei operativo.

Panoramica dell'Architettura

Piano di Controllo e Percorso dei Dati

Linee Guida per le Pull Request

• Un argomento per PR — mantieni le modifiche focalizzate e revisionabili
• Scrivi una descrizione chiara — cosa è cambiato e perché
• Includi test — nuove funzionalità e correzioni di bug dovrebbero avere copertura di test
• Supera la CI — tutti i test devono essere verdi prima della revisione
• Aggiorna la documentazione — se cambi il comportamento, aggiorna il file .md pertinente

Nome dei branch:

Struttura del Progetto

services/          # Microservizi backend (Python / FastAPI)
ui/                # Frontend (React + Vite)
platform_shared/   # Moduli Python condivisi (JWT, Kafka, modelli)
spm/               # Definizioni di policy e conformità SPM
opa/               # Policy OPA Rego
grafana/           # Configurazione di provisioning e JSON della dashboard
prometheus/        # Configurazione di scraping
tests/             # Test unitari e di integrazione
scripts/           # Utilità di sviluppo (creazione JWT, ecc.)

Segnalazione di Problemi

Si prega di aprire un Issue su GitHub e includere:

• Una descrizione chiara del problema
• Passaggi per riprodurre
• Log rilevanti (output di make logs-api)
• Il tuo ambiente (SO, versione di Docker, architettura del chip)

Stile del Codice

• Python — segui PEP 8; usa type hint dove pratico
• JavaScript — standard ESM; nessuna configurazione di linting esterna richiesta
• Commit — usa Conventional Commits (feat:, fix:, docs:, ecc.)