
자율적 공격형 LLM 에이전트를 위한 결정론적 하네스 및 핸드북으로, 인가, 범위, 증거 게이트를 강제하여 재현 가능하고 정직한 침투 테스트를 보장합니다.
📖 핸드북 온라인에서 읽기: 첫 픽스처 실행부터 명확한 한계를 가진 에이전트까지 단계별로 따라가세요.

AUTONOMOUS SECURITY / THE BUILDER'S FIELD MANUAL
웹사이트 읽기 · 코스 시작하기 · 랩 실행하기 · 모델 연결하기 · 빌드 순서
모델이 무엇을 결정할 수 있는지에 대한 명시적 한계를 두고 자율 보안 에이전트를 구축하기 위한 실용 핸드북입니다. 관측값을 계획으로 전환하고, 허용된 행동만 승인하고, 발견 사항을 증거에 연결하고, 완료할 수 없었던 작업을 설명하는 방법을 배웁니다.
모델은 여전히 확률적입니다. 호스트 애플리케이션이 권한 부여, 허용된 행동, 증거 기록 및 수용을 담당합니다. 고정된 입력과 정책을 재생하면 이러한 통제 결정을 재현할 수 있지만, 라이브 대상이나 모델 응답을 반복 가능하게 만들지는 않습니다.
기본적인 Python, JSON, HTTP를 읽을 수 있어야 합니다. 첫 실행부터 조립된 애플리케이션까지 핵심 경로를 따라가세요. 디스패치 레슨은 간단한 기준 선택 계약으로 안내하며, 적응형 컨트롤러는 핵심 빌드 이후 선택 사항입니다. 진행하는 동안 스타터 파일을 편집하고, 코드가 작동할 때까지 실패하는 검사를 실행합니다. 이 코스는 API 키나 대상 연결 없이 오프라인으로 실행됩니다.
읽기 웹사이트는 내비게이션, 다이어그램, 검색 기능과 함께 레슨을 순서대로 제공합니다. 로컬에서 빌드하거나 미리 보려면 웹사이트 가이드를 사용하세요.
이 저장소의 로컬 복사본에서:
python3 -m venv .venv
source .venv/bin/activate
python3 -m pip install -r requirements.txt
python3 -m harness.demo --out /tmp/harness-report.json
diff -u harness/report.json /tmp/harness-report.json
python3 -m pytest tests/test_harness.py
이 릴리스는 CPython 3.14에서 검증되었습니다. 이전 Python 버전은 릴리스 근거에 포함되지 않습니다. 이전 버전을 사용하는 경우, 결과에 의존하기 전에 아래의 전체 게이트 시퀀스를 실행하십시오.
보고서가 커밋된 예제와 일치하면 diff는 아무것도 출력하지 않습니다. 보고서를 열고 헤더 발견 사항을 제안된 심각도에서 관리된 심각도까지 따라가십시오. 그런 다음 거부된 raise와 합성 마커의 허용된 raise를 검사하십시오. 두 발견 사항 모두 여전히 사람의 검토가 필요합니다.
예제 보고서 옆의 입력 매니페스트, 구현, 적대적 테스트를 읽으십시오. 어떤 작업이 왜 허용되었는지, 왜 raise가 거부되었는지, 그리고 보고서의 커버리지 수치가 실제로 무엇을 측정하는지 설명할 수 있으면 이 소개를 완료한 것입니다.
기본 하네스 랩은 네트워크 요청을 하지 않고 모델을 호출하지 않습니다. 증명 술어는 합성이며, 호스트와 어댑터는 신뢰되며, 모든 발견 사항은 사람의 검토가 필요하다고 표시됩니다. 이 랩은 사람의 승인 또는 보고서 서명 워크플로를 구현하지 않습니다. 축자 인용은 인용 무결성을 입증할 뿐, 악용 가능성을 입증하지 않습니다. 모델 호출 감소와 재작업 감소는 설계 목표이며, 코퍼스로 측정된 절감액이 아닙니다.
모델은 제안을 제공합니다. 애플리케이션은 정책과 상태를 유지하고, 각 제안을 검사하고, 허용된 픽스처 작업을 실행하고, 결과를 기록합니다. 이 저장소는 애플리케이션과 연습 문제를 제공하며, 모델 연결은 사용자가 제공합니다.
your model -> JSON proposal -> application checks -> fixture tool -> evidence + report
|
reject or stop
먼저 가짜 모델 전송 계층을 사용하여 조립된 애플리케이션을 실행하세요:
python3 -m examples.app_agent --out /tmp/agent-report.json --store /tmp/agent-memory.db
python3 -m pytest tests/test_app_agent_example.py -q
/tmp/agent-report.json에서 제안 상태와 증거를 검사합니다. 그런 다음 자체 모델 연결 을 따라 로컬 모델을 사용하거나 전송 래퍼를 작성합니다. 이전의 모델 브리지는 다른 제안 형식을 사용하는 더 작은 연결 실습으로 남아 있습니다. 두 예제 모두 실제 모델이 응답을 제공하는 경우에도 도구 동작을 픽스처에 유지합니다.
이 가이드는 무엇을 교체할지, 반환할 JSON, 유지할 검사, 예상 보고서, 그리고 라이브 도구를 추가하기 전에 남은 작업을 명시합니다.
이 다이어그램은 랩의 제어와 제안 연결을 결합합니다. 모델 브리지는 동작 허용과 증거 캡처를 실습하고, 기본 랩은 발견 거버넌스를 별도로 시연합니다. 어느 것도 완전한 라이브 보안 에이전트가 아닙니다.
모든 다이어그램은 클릭하면 전체 크기로 열리며, 좁은 화면에서는 옆으로 스크롤할 수도 있습니다.
이것이 학습 순서입니다. 런타임에서는 권한 부여와 게이트가 디스패치보다 앞섭니다. 각 레슨은 작은 컴포넌트, 적대적 테스트, 그리고 검사할 수 있는 아티팩트를 남겨야 합니다.
| 구축 단계 | 레슨 | 현재 범위 |
|---|---|---|
| 완전한 픽스처 실행을 실행하고 추적하기 | 레슨 1 | 실행 가능, 바이트 단위로 재현 가능한 보고서 |
| 에이전트 경계 설정: 정책, 기록, 단일 쓰기 경계, 강제 단계 | 레슨 2 및 3 | 실행 가능, 거부 기록 포함 |
| 검증과 제한된 복구로 모델 제안 연결하기 | 레슨 4 | 실행 가능한 가짜 제공자; 적대적 텍스트 거부 시연됨 |
| 서로 다른 결과로 작업을 선택하고 디스패치하기 | 레슨 5 | 실행 가능; 6가지 상태 원장 |
| 제약을 잃지 않고 메모리를 검색하고 컨텍스트를 조립하기 | 레슨 6 및 7 | 실행 가능; 컴포넌트 점수와 누락 기록 |
| 증거를 검증하고 발견 사항을 검토하기 | 레슨 8 | 실행 가능; 잘못된 거부가 가시적으로 유지됨 |
| 책임 있게 중지, 복구, 완료하기 | 레슨 9 | 실행 가능; 재개가 성공을 꾸며내지 않음 |
| 모델을 중심으로 애플리케이션 조립하기 | 레슨 16 | 실행 가능, 구성 기반, 게이트된 완료 |
| 핵심 구축 후 적응형 선택 탐구하기 | 선택적 컨트롤러 레슨 | 실행 가능한 컨트롤러 실험실, 학습은 기본적으로 꺼짐 |
core/(플랫 모듈)와 walkthrough/ 아래의 이전 컴포넌트는 알려진 결함을 포함한 역사적 사례 연구를 보존합니다. 코스의 교육 패키지는 그 옆의 core/run/, core/memory/, core/controller/ 아래에 있습니다. 사례 연구를 사용하여 제어가 왜 존재하는지, 그 이전에 무엇이 잘못되었는지 이해하고, 증거 등록부를 통해 이 책 뒤의 연구들이 무엇을 보여주었고 보여주지 않았는지 확인하세요.