pip install secureaiml

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)

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)

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']}")

┌─────────────────────────────────────────────────────┐
│            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                     │
└─────────────────────────────────────────────────────┘

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]")

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]")

from transformers import AutoModel
from secureml import SecureModel

model = AutoModel.from_pretrained("bert-base-uncased")
model.save_pretrained("./my_model")

secure_model = SecureModel.load_from_path("./my_model")
secure_model.sign_and_save("bert_model.sml", identity="[email protected]")

# Instalação básica
pip install secureaiml

# Com suporte a frameworks de ML
pip install secureaiml[xgboost,pytorch,sklearn]

# Com ferramentas CLI
pip install secureaiml[cli]

# Tudo (todos os frameworks ML + CLI + ferramentas de desenvolvimento)
pip install secureaiml[all]

# Assinar um modelo
secureml sign model.pkl --identity "[email protected]" --output model.sml

# Verificar um modelo
secureml verify model.sml

# Obter informações do modelo
secureml info model.sml

# Validar conformidade
secureml compliance model.sml --framework soc2 --framework iso27001

# Gerar relatório de auditoria
secureml audit --start-date 2024-01-01 --end-date 2024-12-31 --output audit.json

import mlflow
from secureml.integrations.mlflow_integration import SecureMLflowModel

with mlflow.start_run():
    model = train_model()

    # Registrar com SecureML
    secure_model = SecureMLflowModel(model)
    secure_model.log_model(
        "model",
        signature=True,
        identity="[email protected]"
    )

from secureml.integrations.huggingface_integration import SecureHFModel

secure_model = SecureHFModel.from_pretrained("bert-base-uncased")
secure_model.sign(identity="[email protected]")
secure_model.push_to_hub("my-org/secure-bert", signed=True)