
Pipeline automatizada de SBOM para VEX usando um sistema seguro de IA multiagente para analisar CVEs, raciocinar sobre explorabilidade e gerar documentos VEX CycloneDX assinados em conformidade com as diretrizes OWASP GenAI.
Gere automaticamente documentos CycloneDX VEX assinados a partir de SBOMs usando um pipeline seguro de IA multiagente, construído de acordo com as diretrizes do OWASP GenAI Security Project.
Gerar um SBOM revela centenas de CVEs. Na prática, mais de 90% não são exploráveis no contexto de execução de um produto específico. Sem um documento Vulnerability Exploitability eXchange (VEX), todas as ferramentas downstream — Dependency-Track, gates de release, checklists de procurement — afogam-se em falsos positivos.
Leia a WIKI para mais detalhes técnicos e resultados dos testes
A geração manual de VEX consome tempo e não escala. Um analista experiente pode passar horas avaliando um único componente. Um SBOM de produção pode conter 500–2.000 componentes.
Este projeto automatiza esse pipeline de raciocínio — de forma segura, sem vendor lock-in, com todos os dados permanecendo na sua infraestrutura.
Motivação do mundo real: Em 2024, a pesquisadora de segurança Johanna Curiel documentou exatamente esse problema ao analisar o Kubernetes Java Client. O scanner OSV identificou uma CVE de alto risco em
com.diffplug.spotless:spotless-maven-plugin 1.17.0em segundos. Determinar que eranot_affected(plugin de build-time, nunca executado em runtime) levou horas de análise manual. Este projeto automatiza essa etapa de raciocínio.
Quatro zonas de segurança. Nada cruza uma fronteira sem validação explícita.
┌─────────────────────────────────────────────────────────────────┐
│ ZONE 1 — Input ingestion (no LLM) │
│ SBOM upload → Schema validate → Sanitise → SHA-256 audit hash │
└────────────────────────────┬────────────────────────────────────┘
│
┌────────────────────────────▼────────────────────────────────────┐
│ ZONE 2 — OWASP guardrail middleware │
│ Prompt guard (LLM01) · Output filter (LLM02/05) │
│ Agency limiter (LLM06) · Token budget (LLM10) │
└────────────────────────────┬────────────────────────────────────┘
│
┌────────────────────────────▼────────────────────────────────────┐
│ ZONE 3 — Multi-agent pipeline (AutoGen AgentChat) │
│ │
│ Orchestrator │
│ ├── CVE Analyst NVD v2 + OSV + EPSS per component │
│ ├── Exploit Reasoner Call graph · LLM reasoning · RAG │
│ └── VEX Writer CycloneDX 1.6 schema-validated │
│ │
│ Vector store (Qdrant) — signed past VEX decisions │
└────────────────────────────┬────────────────────────────────────┘
│
┌────────────────────────────▼────────────────────────────────────┐
│ ZONE 4 — Output, signing, audit │
│ Human-in-the-loop gate → cosign/GPG sign → audit log │
└─────────────────────────────────────────────────────────────────┘
Este projeto foi concebido em conformidade com o OWASP Top 10 for LLM Applications 2025 e o OWASP Top 10 for Agentic Applications 2026.
| Risco OWASP | ID | Mitigação neste projeto |
|---|---|---|
| Injeção de Prompt | LLM01 | Todos os campos do SBOM são sanitizados antes da injeção no LLM; lista de bloqueio de padrões de injeção |
| Divulgação de Informações Sensíveis | LLM02 | Filtro de PII em todas as saídas dos agentes; filtro de caminhos internos |
| Tratamento Inadequado de Saídas | LLM05 | Validação do esquema CycloneDX antes da assinatura; nova tentativa em caso de falha |
| Agência Excessiva | LLM06 | Ferramentas somente leitura durante a análise; gate HITL para todas as decisões de CVSS ≥ 7,0 |
| Vazamento de Prompt de Sistema | LLM07 | Políticas internas separadas do prompt de sistema |
| Fragilidade de Vetores / Embeddings | LLM08 | Vetores armazenados assinados; proveniência verificada antes da injeção de contexto |
| Consumo Ilimitado | LLM10 | MaxMessageTermination(20); orçamento de tokens por componente; timeout do NVD |
A intervenção humana (human-in-the-loop) é obrigatória. Uma declaração VEX
not_affectedpara uma CVE de alta severidade é uma afirmação de nível jurídico. Nenhum VEX é assinado sem a aprovação de um revisor humano. Isto não é configurável.
| Componente | Ferramenta | Notas |
|---|---|---|
| Orquestração de agentes | AutoGen AgentChat v0.4 | Multiagente, uso de ferramentas, hooks de mensagens |
| LLM (recomendado) | Qwen2.5-Coder-32B | Melhor JSON estruturado + raciocínio de segurança |
| Servidor LLM | vLLM (prod) / Ollama (dev) | API compatível com OpenAI |
| Dados de CVE | NVD v2 API + OSV.dev + EPSS | Todos gratuitos, sem necessidade de chave de API |
| Armazenamento vetorial | Qdrant | Auto-hospedado, decisões VEX anteriores |
| Embeddings | all-MiniLM-L6-v2 (sentence-transformers) | Totalmente local |
| Formatos de SBOM | CycloneDX 1.4–1.7 (JSON/XML), SPDX 2.3/3.0 | Validados por esquema na ingestão |
| Saída VEX | CycloneDX 1.6 VEX | Validado por esquema antes da assinatura |
| Assinatura | cosign (Sigstore keyless) | Com carimbo de data/hora, registado em log de auditoria |
| Log de auditoria | PostgreSQL (append-only, pgaudit) | Cada decisão do agente registada |
Tudo é executado no local. Nenhum dado sai da sua infraestrutura.
Hardware (produção):
Hardware (desenvolvimento / SBOMs pequenos):
llama3.1:8b via OllamaSoftware:
git clone https://github.com/your-org/sbom-vex-agent
cd sbom-vex-agent
python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
# Development — Ollama (CPU/GPU, any laptop)
ollama pull llama3.1
ollama serve
# Production — vLLM (GPU required)
python -m vllm.entrypoints.openai.api_server \
--model Qwen/Qwen2.5-Coder-32B-Instruct \
--gpu-memory-utilization 0.90 \
--host 0.0.0.0 --port 8000
docker compose up -d # starts Qdrant + PostgreSQL
python -m vex_agent analyse \
--sbom path/to/your-sbom.cdx.json \
--output path/to/output.vex.json
O pipeline irá:
Copie .env.example para .env e defina:
# LLM backend
VLLM_BASE_URL=http://localhost:8000/v1 # or Ollama: http://localhost:11434/v1
LLM_MODEL=Qwen2.5-Coder-32B-Instruct # or llama3.1 for dev
Descubra as ferramentas mais usadas pela nossa comunidade.
Sem dados de popularidade ainda.