SecureAIML 🔐

Segurança de Modelos de IA Pronta para Empresas, baseada no OpenSSF Model Signing

SecureAIML é o "Stripe da segurança de modelos" — tornando a proteção de modelos de IA de nível empresarial acessível, amigável e pronta para produção em cada organização.

Por que SecureAIML?

Na era da IA/ML, a segurança dos modelos é crítica. O SecureAIML envolve o poderoso padrão OpenSSF Model Signing com uma interface intuitiva e pronta para empresas, tornando a proteção dos seus modelos de ML tão simples quanto:

Instalação

pip install secureaiml

Início Rápido

from secureml import SecureModel
import joblib

# Carregue seu modelo
model = joblib.load("model.pkl")

# Proteja-o em uma linha
secure_model = SecureModel(model)
secure_model.sign_and_save("model.sml", identity="[email protected]")

# Carregue e verifique
verified_model = SecureModel.load("model.sml", verify=True)
predictions = verified_model.predict(X_test)

Recursos

🎯 Suporte Universal a Modelos

• ML Tradicional: XGBoost, scikit-learn, LightGBM, CatBoost
• Deep Learning: PyTorch, TensorFlow, JAX, Keras
• Grandes Modelos de Linguagem: HuggingFace Transformers, GGUF, SafeTensors
• Visão Computacional: ONNX, CoreML, TensorRT, OpenVINO
• Áudio/Fala: Whisper, Wav2Vec, SpeechT5
• Multimodal: CLIP, DALL-E, GPT-4V, BLIP

🔒 Baseado nos Padrões OpenSSF

• Integração total com OpenSSF Model Signing
• Aproveita a infraestrutura Sigstore
• Assinatura criptográfica padrão da indústria
• Assinatura sem chave com OIDC
• Assinaturas transparentes e verificáveis

🏢 Recursos Empresariais

• Integração com Módulo de Segurança de Hardware (HSM)
• Suporte a KMS na Nuvem (AWS KMS, Azure Key Vault, GCP Cloud KMS)
• Impressão digital avançada com árvores Merkle
• Fluxos de trabalho multi-assinatura
• Estruturas de conformidade: SOC2, ISO27001, FIPS 140-2, HIPAA, GDPR
• Trilhas de auditoria abrangentes e perícia forense

⚡ Amigável para Desenvolvedores

• API Pythonic simples e intuitiva
• Detecção automática de tipos de modelo
• Configuração mínima necessária
• Funciona com fluxos de trabalho de ML existentes
• Documentação extensa e exemplos

Uso Básico

from secureml import SecureModel
import joblib

# Treine seu modelo (qualquer framework)
from xgboost import XGBClassifier
model = XGBClassifier()
model.fit(X_train, y_train)

# Proteja-o
secure_model = SecureModel(model)
secure_model.sign_and_save(
    "fraud_detection_model.sml",
    identity="[email protected]",
    version="2.0.0",
    description="Modelo de detecção de fraude em produção"
)

# Carregue e verifique
model = SecureModel.load("fraud_detection_model.sml", verify=True)
if model.is_verified:
    predictions = model.predict(X_test)

Uso Empresarial

from secureml.api.advanced import AdvancedSecureModel
from secureml.utils.config import SecurityConfig, SecurityLevel, ComplianceFramework

# Configure segurança empresarial
config = SecurityConfig.from_level(SecurityLevel.ENTERPRISE)
config.enable_fingerprinting = True
config.enable_merkle_trees = True
config.compliance_frameworks = [ComplianceFramework.SOC2, ComplianceFramework.ISO27001]

# Crie modelo seguro avançado
advanced = AdvancedSecureModel(model, config=config)

# Assine com AWS KMS
advanced.add_signature(
    identity="[email protected]",
    use_cloud_kms=True,
    kms_key_id="arn:aws:kms:us-east-1:123456789:key/abc-def",
    cloud_provider="aws"
)

# Valide conformidade
compliance_report = advanced.validate_compliance(
    frameworks=[ComplianceFramework.SOC2, ComplianceFramework.HIPAA],
    generate_report=True,
    report_path="compliance_report.json"
)

print(f"Status de Conformidade: {compliance_report['overall_status']}")

Arquitetura

SecureML é construído como uma camada de aprimoramento sobre o OpenSSF Model Signing:

┌─────────────────────────────────────────────────────┐
│            Sua Aplicação                             │
└─────────────────────────────────────────────────────┘
                      ↓
┌─────────────────────────────────────────────────────┐
│            Camada de API SecureML                    │
│  • API Simples  • API Avançada  • CLI               │
└─────────────────────────────────────────────────────┘
                      ↓
┌─────────────────────────────────────────────────────┐
│         Recursos Empresariais SecureML               │
│  • HSM/KMS  • Conformidade  • Auditoria  • Perícia   │
└─────────────────────────────────────────────────────┘
                      ↓
┌─────────────────────────────────────────────────────┐
│         OpenSSF Model Signing (Núcleo)              │
│         Infraestrutura Sigstore                     │
└─────────────────────────────────────────────────────┘

Níveis de Segurança

SecureML oferece quatro níveis de segurança para atender suas necessidades:

Nível	Caso de Uso	Recursos
BÁSICO	Desenvolvimento, teste	Somente assinatura OpenSSF
PADRÃO	Implantações em produção	+ Impressão digital, registro de auditoria
EMPRESARIAL	Indústrias regulamentadas	+ Árvores Merkle, detecção de ameaças, conformidade
MÁXIMO	Ambientes de alta segurança	+ Criptografia, perícia forense, multi-assinatura

Suporte a Conformidade

SecureML ajuda você a atender requisitos regulatórios:

• SOC 2: Controles de Sistema e Organização
• ISO 27001: Gestão de Segurança da Informação
• FIPS 140-2: Validação de Módulos Criptográficos
• HIPAA: Proteção de dados de saúde
• GDPR: Proteção de dados da UE

Documentação

• 📦 Pacote PyPI - Pacote oficial no PyPI
• 🚀 Guia de Início Rápido - Comece em 5 minutos
• 📚 Guia de Instalação - Instruções de instalação
• 📖 Guia de Uso - Documentação abrangente de uso
• 🔒 Recursos de Marca d'Água - Guia de marca d'água em modelos
• 🛡️ Modelo de Ameaças - Análise de segurança e limitações
• 🔗 Integração OpenSSF - Integração com OpenSSF Model Signing

Exemplos

Modelo XGBoost

from secureml import SecureModel
import xgboost as xgb

model = xgb.XGBClassifier()
model.fit(X_train, y_train)

secure_model = SecureModel(model)
secure_model.sign_and_save("xgb_model.sml", identity="[email protected]")

Modelo PyTorch

import torch
from secureml import SecureModel

model = torch.nn.Sequential(...)
torch.save(model.state_dict(), "model.pth")

secure_model = SecureModel.load_from_path("model.pth")
secure_model.sign_and_save("pytorch_model.sml", identity="[email protected]")

Modelo HuggingFace

from transformers import AutoModel
from secureml import SecureModel