sonuoffsec/dvapOWASP에 부합하는 의도적으로 취약하게 설계된 플랫폼으로, AI, LLM, RAG, MCP 및 에이전틱 AI 보안을 학습하고 테스트하기 위한 것입니다.
훈련. 공격. 방어. AI 시스템.
AI 보안 교육, 레드/블루 팀 활동, CTF, 벤치마킹 및 연구를 위한 오픈소스 플랫폼입니다. 100% 로컬에서 실행됩니다. 클라우드 없음, 유료 API 없음, 데이터가 사용자의 기계를 떠나지 않습니다.
GPU는 선택 사항입니다. Ollama는 CPU에서 실행되지만 GPU 없이는 추론 속도가 느립니다.
git clone https://github.com/sonuoffsec/DVAP
cd DVAP
cp .env.example .env
docker compose up -d
모든 컨테이너가 정상 상태가 되면 http://localhost:8080을 엽니다. 첫 실행은 30-60초가 소요됩니다.
DVAP은 보안 전문가, AI 엔지니어, 연구자, 학생 및 조직이 최신 AI 시스템이 어떻게 실패하는지와 이를 방어하는 방법을 이해하도록 돕기 위해 설계된 오픈소스 AI 보안 연구, 교육, 벤치마킹 및 레드 팀 플랫폼입니다.
AI 시대를 위해 구축된 DVAP은 공격, 분석, 벤치마킹 및 보호가 가능한 의도적으로 취약한 AI 애플리케이션, 에이전트, RAG 시스템, MCP 통합 및 도메인별 환경을 제공합니다.
클라우드 기반 AI 놀이터와 달리 DVAP은 사용자의 기계에서 완전히 실행됩니다.
클라우드 없음. 구독 없음. API 비용 없음. 벤더 종속 없음.
최신 AI 애플리케이션은 완전히 새로운 공격 표면을 도입합니다:
그러나 연구자들이 이러한 공격을 한 곳에서 안전하게 배우고, 연습하고, 벤치마킹하고, 검증할 수 있는 단일 플랫폼은 없습니다.
DVAP은 AI 보안 교육, 연구 및 실험을 위한 확실한 오픈소스 플랫폼이 되는 것을 목표로 합니다.
| DVAP | DVWA | HackTheBox | Gandalf (Lakera) | 블로그 포스트/논문 | |
|---|---|---|---|---|---|
| AI 특화 취약점 | 예 | 아니오 | 부분적 | 부분적 | 예 (이론만) |
| 로컬, 클라우드 없음 | 예 | 예 | 아니오 | 아니오 | 해당 없음 |
| 15개의 전용 AI 연구소 | 예 | 아니오 | 아니오 | 아니오 | 아니오 |
| LLM 벤치마크 엔진 | 예 | 아니오 | 아니오 | 아니오 | 아니오 |
| 깃발이 있는 CTF | 예 | 예 | 예 | 아니오 | 아니오 |
| OWASP LLM Top 10 적용 범위 | 전체 | 아니오 | 부분적 | 부분적 | 다양함 |
| MITRE ATLAS 매핑 | 예 | 아니오 | 아니오 | 아니오 | 다양함 |
| 보고서 생성 | 예 | 아니오 | 아니오 | 아니오 | 아니오 |
| 연구 작업 공간 | 예 | 아니오 | 아니오 | 아니오 | 아니오 |
| 에이전트 및 MCP 보안 | 예 | 아니오 | 아니오 | 아니오 | 아니오 |
| 무료 및 오픈소스 | 예 | 예 | 부분적 | 아니오 | 예 |
DVAP은 실습형 AI 공격 연구소, 로컬 LLM 벤치마킹, CTF 챌린지 및 전문 보고서를 단일 자체 호스팅 환경에서 결합한 최초의 플랫폼 중 하나입니다.
AI 보안 연구소 실제 AI 공격 기술을 다루는 15개의 의도적으로 취약한 연구소
연구 작업 공간 프롬프트, 메모리, 도구 호출, 검색된 문서, 에이전트 동작 및 공격 체인을 검사합니다.
보안 벤치마킹 로컬 및 외부 모델을 AI 보안 공격 스위트에 대해 평가합니다.
깃발 잡기 (CTF) 가이드 챌린지, 깃발, 힌트 및 워크스루를 통해 AI 보안을 학습합니다.
보고서 엔진 OWASP LLM Top 10, MITRE ATLAS, CWE 및 CVSS에 매핑된 전문적인 결과 및 벤치마크 보고서를 생성합니다.
100% 로컬 모든 것을 자신의 기계에서 실행합니다. 프롬프트, 데이터, 결과 및 실험이 사용자 환경을 떠나지 않습니다.
▶ 훈련. 공격. 방어. AI 시스템. · 전체 공격 워크스루를 보려면 클릭하세요
⚗️ AI 보안 연구소 모든 주요 공격 클래스에 걸친 15개의 컨테이너화된 취약 AI 환경 |
🚩 CTF 챌린지 OWASP LLM Top 10 및 MITRE ATLAS에 매핑된 깃발, 힌트 및 워크스루 |
📊 벤치마크 센터 프롬프트 인젝션, 제일브레이크 및 데이터 유출 스위트에 대해 로컬 LLM 평가 |
🔬 연구 작업 공간 프롬프트, 메모리, 도구 호출 및 에이전트 동작의 전체 추적 기록 |
15개의 컨테이너화된 연구소, 각각 깃발, 힌트, 워크스루 및 OWASP LLM Top 10 + MITRE ATLAS 매핑이 포함됩니다.
| 연구소 | 난이도 | OWASP LLM | MITRE ATLAS |
|---|---|---|---|
| Prompt Injection | 초급 | LLM01 | AML.T0051, AML.T0054 |
| Memory Poisoning | 중급 | LLM02 | AML.T0054 |
| RAG Poisoning | 중급 | LLM02, LLM03 | AML.T0020, AML.T0043 |
| Tool Output Injection | 중급 | LLM07 | AML.T0054, AML.T0068 |
| MCP Security | 고급 | LLM07 | AML.T0068 |
| Browser Agent Security | 고급 | LLM07, LLM09 | AML.T0054 |
| Multi-Agent Security | 고급 | LLM08 | AML.T0054 |
| Autonomous Agent Security | 고급 | LLM08, LLM09 | AML.T0054 |
| Data Exfiltration | 고급 | LLM06 | AML.T0057, AML.T0058 |
| Agent Identity and Trust Abuse | 고급 | LLM08 | AML.T0058 |
| AI Banking Platform | 중급 | LLM01, LLM06 | AML.T0043 |
| AI Healthcare Environment | 고급 | LLM01, LLM06 | AML.T0043 |
| Multi-Tenant AI SaaS | 고급 | LLM06 | AML.T0043 |
| AI Supply Chain Security | 전문가 | LLM03, LLM05 | AML.T0010, AML.T0048 |
| AI Developer Platform | 전문가 | LLM03, LLM07 | AML.T0010, AML.T0068 |
각 연구소는 자체 Ollama 기반 LLM 엔드포인트를 갖춘 격리된 Docker 컨테이너에서 실행됩니다.
DVAP은 OWASP Large Language Model Application Top 10에 맞춰 정렬됩니다. 각 카테고리는 하나 이상의 전용 연구소에 매핑됩니다.