🍕 ようこそ PwnzzAI(/pəʊnzɑː/) ショップへ – 脆弱なピザショップ！💻

PwnzzAI ショップでは、すべてのスライスが、包括的なAIセキュリティ教育を提供します。この実践的な学習プラットフォームは、専門家がAI技術全般の保護を理解できるよう準備します。魅力的で実践的なピザショップのシナリオを通じて提供されます。

不適切な材料がピザを台無しにするように、欠陥のあるプロンプトや不十分なアーキテクチャは、情報漏洩、知的財産の盗難、不正アクセスなどの深刻な脅威に対してAI技術を脆弱なままにします。

ここでは、脆弱性がどのように作成され、悪用され、緩和されるかを実践的な例で探求します。一部のページでは、alice/alice または bob/bob でログインする必要があります。スライスを手に取り、味わい、AIセキュリティについて学ぶことがどれほどおいしいかを発見してください。

目次

• 概要
  • 範囲と学習目標
• セットアップ手順
  • オプション1: Docker (PwnzzAI + Ollama)
  • デフォルトイメージがプルできない場合（ローカルでビルド）
  • オプション2: Docker (独自のOllama + PwnzzAIイメージ)
  • オプション3: ソースコードを自分で実行
  • トラブルシューティング: Ollama接続 (WSL + Docker)
  • ワークショップホスト: OpenAI、Claude、Gemini、その他のクラウドモデルの選択
• 機能
• AIセキュリティカバレッジ
  • 学習フレームワーク
  • 実装された脆弱性
  • モデルサポート

概要

PwnzzAI ショップは、AI技術保護に関する教育のために意図的に構築された実践的な学習プラットフォームです。この意図的に脆弱性を含んだFlaskベースのWebアプリケーションは、没入型のピザショップ体験を通じて、幅広いAIセキュリティの弱点を紹介します。

設立パートナー: OWASP AI Exchange

範囲と学習目標

PwnzzAI は、AI Exchangeリスク分類法 に準拠した、包括的で進化する学習プラットフォームとして設計されています。その範囲は、OWASP AI Exchangeのセキュリティ分析フレームワークおよび防御ガイダンスと歩調を合わせて段階的に拡大し、AIセキュリティプラクティスの成熟に伴う長期的な関連性を確保します。 このプロジェクトは現在、OWASP Top 10 for LLMsを組み込んでおり、アーキテクチャはAI Exchangeのリスク分類に意図的にマッピングされています。時間の経過とともに、PwnzzAI は以下をサポートする構造化された学習エコシステムへと成熟することを目指しています：

• 自己学習パスを含むAI保護および防御トレーニング

• 実践的なシナリオ主導の演習を備えたハンズオンセキュリティトレーニングプログラム

• セキュリティエンジニアおよび実践者向けのチームベース学習イニシアチブ

• 設計、開発、デプロイ、運用にわたるエンドツーエンドのAIセキュリティ教育

セットアップ手順

次の3つの方法のいずれかを選択して PwnzzAI を実行します：

1. 両方のイメージを使用したDocker (PwnzzAI + Ollama)
2. 独自のローカル/リモートOllamaとPwnzzAIイメージのみを使用したDocker
3. ソースコードを自分で実行

開始前（すべてのオプションに共通）

1. https://www.docker.com/products/docker-desktop からDocker Desktopをインストールします。
2. Docker Desktopを開き、Dockerが実行中と表示されるまで待ちます。
3. Gitをまだインストールしていない場合はインストールします。
4. このリポジトリをクローンしてそのディレクトリに移動します：

git clone https://github.com/OWASP/PwnzzAI.git
cd PwnzzAI

オプション：クラウドモデル（OpenAI / Gemini / Claude）の設定

ラボは初期状態で無料のローカルモデルで動作します。クラウドモデルタブ（OpenAI / Gemini / Claude）も使用するには、2つのものが必要です – APIキーとモデル名：

• APIキー — 実行時にアプリ内のラボ設定ページで入力するか、.env (OPENAI_API_KEY=...) に設定できます。ラボ設定からのキーが優先されます。
• モデル名 — UIはありません。.env から提供する必要があります。コードにデフォルトはないため、設定されていない場合、呼び出しは LLM Provider NOT provided で失敗します。

テンプレートから .env を作成し、モデル行のコメントを解除します：

cp .env.example .env
# then edit .env and set, for example:
#   OPENAI_MODEL=gpt-4o-mini
#   (or LITELLM_MODEL=gemini/gemini-2.5-flash, etc.)

.env を編集した後、アプリを再起動します。プロバイダー/モデルの詳細な手順については、ワークショップホスト: OpenAI、Claude、Gemini、その他のクラウドモデルの選択 を参照してください。

オプション1: Docker (PwnzzAI + Ollama)

DockerにPwnzzAIアプリとOllamaの両方を実行させたい場合は、このオプションを使用します。

1. 両方のコンテナを起動します：

docker compose up -d

2. 両方のサービスが実行中であることを確認します：

docker compose ps

3. ブラウザでアプリを開きます：

http://localhost:8080

4. アプリ内で Basics ページに移動し、Ollamaセットアップを実行してモデルをプルします。

5. 必要に応じてログを確認します：

# アプログ
docker compose logs -f pwnzzai-app

# Ollamaログ（オプション）
docker compose logs -f ollama

6. 終了したらすべてを停止します：

docker compose down

7. オプションの完全リセット（保存されたOllamaモデルも削除）：

docker compose down -v

アプリイメージを別のレジストリパスで公開する場合は、起動時にイメージ名を上書きします：

PWNZZAI_IMAGE=ghcr.io/owasp/pwnzzai:latest docker compose up -d

デフォルトイメージがプルできない場合（ローカルでビルド）

docker compose は docker-compose.yml のデフォルトの pwnzzai-app イメージを使用します（PWNZZAI_IMAGE で上書き可能）。docker compose up がそのイメージのプル時に denied、unauthorized などで失敗した場合、レジストリへのログインが必要か、アカウントにプルアクセスがない可能性があります。このリポジトリからアプリイメージをローカルでビルドしてcomposeにそれを指定することで、すべてを実行できます。

リポジトリルートから：

docker build -t pwnzzai-local:dev .
PWNZZAI_IMAGE=pwnzzai-local:dev docker compose up -d

Windows PowerShell:

docker build -t pwnzzai-local:dev .
$env:PWNZZAI_IMAGE="pwnzzai-local:dev"; docker compose up -d

その後、http://localhost:8080 を開きます。Flaskがコンテナ内で起動中であるため、最初のロードが一時的に失敗する可能性があります。接続エラーが表示された場合は、数秒待ってからリフレッシュしてください。

レジストリイメージにアクセスできる場合は、最初に認証できます（GitHub Container Registryの例）：

docker login ghcr.io

同じ PWNZZAI_IMAGE=pwnzzai-local:dev のアプローチは、オプション2で docker-compose.external-ollama.yml を使用し、同じプルエラーが発生した場合にも適用されます。

オプション2: Docker (独自のOllama + PwnzzAIイメージ)

Ollamaが別の場所ですでに実行中で、PwnzzAIのみをDockerで実行したい場合は、このオプションを使用します。

WSLでOllamaを実行し、DockerでPwnzzAIを実行する場合、接続の問題（Connection refused、host.docker.internal、バインディング、env検証）については、 OLLAMA_CONNECTION_TROUBLESHOOTING.md を参照してください。

1. Ollamaサービスを実行したままにします。

2. Ollamaがリモートマシン上にある場合は、起動前に OLLAMA_HOST を設定します（OllamaがDockerと同じマシン上にあり、docker-compose.external-ollama.yml のデフォルト http://host.docker.internal:11434 で到達可能な場合はスキップします）。

Linux/macOS:

export OLLAMA_HOST=http://your-ollama-server:11434

Windows PowerShell:

$env:OLLAMA_HOST="http://your-ollama-server:11434"

3. 外部Ollama構成ファイルでPwnzzAIを起動します：

docker compose -f docker-compose.external-ollama.yml up -d

デフォルトのアプリイメージがGHCRからプルできない場合は、ローカルでビルドし、デフォルトイメージがプルできない場合（ローカルでビルド） のように PWNZZAI_IMAGE を設定します。

4. ブラウザで http://localhost:8080 にアクセスしてアプリケーションを表示します。Basicページから開始してラボを設定します。

5. 必要に応じてアプリのログを確認します：

docker compose -f docker-compose.external-ollama.yml logs -f pwnzzai-app

6. 終了したら停止します：

docker compose -f docker-compose.external-ollama.yml down

オプション3: ソースコードを自分で実行

アプリにDockerを使用せずにPythonを直接実行したい場合は、このオプションを使用します。

1. Python 3.11をインストールします。
2. 仮想環境を作成してアクティブにします。

Linux/macOS:

python -m venv venv
source venv/bin/activate

Windows PowerShell:

python -m venv venv
.\venv\Scripts\Activate.ps1

3. 依存関係をインストールします：

./install.sh

4. Ollamaが利用可能であることを確認します： http://localhost:11434 または OLLAMA_HOST 経由の別のエンドポイント。

5. アプリを実行します：

flask run --host=0.0.0.0 --port=8080

6. 開く：

http://localhost:8080

詳細が必要な場合は、 このウォークスルー をご覧ください。セットアップ手順を順を追って説明しています。

機能

• ピザサービス: 食欲をそそるピザの閲覧、顧客のフィードバックの確認、コメントの投稿、仮想注文！
• 広範な脆弱性の紹介: OWASP LLM Top 10およびAI Exchange脅威カテゴリ（モデル入力脅威、開発時脅威、ランタイムセキュリティ脅威、システムレベルのAIリスクを含む）にわたるアクティブなデモンストレーション。
• 学習に焦点を当てた設計: 透明な説明を通じて攻撃手法と防御アプローチを発見。組織的な指導プログラム向けに設計され、AI Exchange脅威分類法 に準拠。
• マルチプロバイダー実装: すべてのデモは、商用のOpenAIと無料のOllamaフレームワークの両方で動作し、すべての参加者がアクセス可能。
• 標準ベースのコンテンツ: OWASP AI Exchange と同期した教育資料。これはISO/IEC 27090やprEN 18282などの新興AIセキュリティ標準の基礎となる。

AIセキュリティカバレッジ

このプラットフォームは、OWASP AI Exchange包括的脅威分類法 に準拠した、広範なAI保護課題を紹介しています。現在の実装は、OWASP Top 10 for LLM Applicationsと主要なAI Exchange脅威カテゴリをカバーし、将来のAIリスクカバレッジのために構築された拡張可能なアーキテクチャを備えています。

学習フレームワーク

PwnzzAIで実証されるすべての弱点には次の特徴があります：

1. アクティブなデモンストレーション – 脆弱性のメカニズムを説明
2. 悪用シナリオ – インタラクティブな攻撃演習を提供
3. 強化された代替案 – 防御アプローチを詳述

実装された脆弱性：

以下はOWASP AI Exchange脅威 および OWASP Top 10 for LLM Applications 2025 に基づいています：