Pré-requisitos

• Docker 24+ e Docker Compose v2
• 16 GB de RAM no mínimo (o Ollama carrega modelos na memória; 8 GB funciona apenas para modelos pequenos)
• 20 GB de espaço livre em disco para as imagens base e pelo menos um modelo
• CPU x86-64; Apple Silicon e ARM64 são suportados, mas não testados

A GPU é opcional. O Ollama roda na CPU, mas a inferência será lenta sem uma.

Início Rápido

git clone https://github.com/sonuoffsec/DVAP
cd DVAP
cp .env.example .env
docker compose up -d

Abra http://localhost:8080 assim que todos os contêineres estiverem saudáveis. A primeira execução leva de 30 a 60 segundos.

Sumário

• Pré-requisitos
• Início Rápido
• O que é o DVAP?
• Por que o DVAP?
• Como o DVAP se Diferencia
• Principais Recursos
• Visão Geral da Plataforma
• Demo
• Capturas de Tela
• Labs
• Cobertura do OWASP LLM Top 10
• Arquitetura
• Arquitetura de Segurança
• Serviços
• Variáveis de Ambiente
• Atualização
• Desenvolvimento vs Produção
• Executando Testes
• Roadmap
• Governança
• Contribuindo
• Licença

O que é o DVAP?

O DVAP é uma plataforma de código aberto para pesquisa, treinamento, benchmarking e red teaming em segurança de IA, projetada para ajudar profissionais de segurança, engenheiros de IA, pesquisadores, estudantes e organizações a entender como os sistemas de IA modernos falham e como defendê-los.

Construído para a era da IA, o DVAP fornece aplicações de IA intencionalmente vulneráveis, agentes, sistemas RAG, integrações MCP e ambientes específicos de domínio que podem ser atacados, analisados, avaliados e protegidos.

Diferente de playgrounds de IA baseados em nuvem, o DVAP roda inteiramente na sua máquina.

Sem nuvem. Sem assinaturas. Sem custos de API. Sem vendor lock-in.

Por que o DVAP?

As aplicações de IA modernas introduzem superfícies de ataque totalmente novas:

• Injeção de Prompt
• Envenenamento de Memória
• Envenenamento de RAG
• Abuso de Ferramentas
• Exploração de MCP
• Ataques Multiagente
• Manipulação de Agentes Autônomos
• Exfiltração de Dados
• Falhas de Identidade e Confiança
• Riscos na Cadeia de Suprimentos de IA

No entanto, não existe uma plataforma única que permita aos pesquisadores aprender, praticar, avaliar e validar esses ataques com segurança em um só lugar.

O DVAP tem como objetivo se tornar a plataforma definitiva de código aberto para educação, pesquisa e experimentação em segurança de IA.

Como o DVAP se Diferencia

O DVAP é uma das primeiras plataformas a combinar labs práticos de ataques a IA, benchmarking local de LLMs, desafios de CTF e relatórios profissionais em um único ambiente auto-hospedado.

Principais Recursos

Labs de Segurança de IA 15 labs intencionalmente vulneráveis cobrindo técnicas reais de ataque a IA.

Espaço de Pesquisa Inspecione prompts, memória, chamadas de ferramentas, documentos recuperados, ações de agentes e cadeias de ataque.

Benchmarking de Segurança Avalie modelos locais e externos contra suítes de ataques de segurança de IA.

Capture The Flag (CTF) Aprenda segurança de IA por meio de desafios guiados, flags, dicas e passo a passo.

Mecanismo de Relatórios Gere relatórios profissionais de descobertas e benchmarks mapeados para OWASP LLM Top 10, MITRE ATLAS, CWE e CVSS.

100% Local Execute tudo na sua própria máquina. Seus prompts, dados, descobertas e experimentos nunca saem do seu ambiente.

Visão Geral da Plataforma

🎬 Demo

📸 Capturas de Tela

🖥️ Central de Comando de Pesquisa

_{Central de Comando de Pesquisa  ·  Atividade da plataforma ao vivo, ranking de benchmarks de modelos, progresso de captura de flags e saúde dos serviços em uma única visão operacional.}

🧩 Módulos da Plataforma

🛡️ Painel de Descobertas

_{Painel de Descobertas  ·  Acompanhe, faça a triagem e documente descobertas de segurança com classificações de gravidade, mapeamento OWASP LLM Top 10, técnicas MITRE ATLAS e relatórios prontos para exportação.}

Labs

15 labs em contêineres, cada um com flags, dicas, passo a passo e mapeamento OWASP LLM Top 10 + MITRE ATLAS.

Cada lab roda em um contêiner Docker isolado com seu próprio endpoint de LLM baseado em Ollama.

Cobertura do OWASP LLM Top 10

O DVAP está alinhado ao OWASP Top 10 for Large Language Model Applications. Cada categoria é mapeada para um ou mais labs dedicados.

8 das 10 categorias cobertas em 15 labs. LLM04 e LLM10 estão no roadmap da v1.2.

Arquitetura

graph TB
    User([User Browser]) --> Nginx[Nginx :8080]
    Nginx --> Web[Next.js Frontend :3000]
    Nginx --> API[FastAPI Backend :8000]

    API --> PG[(PostgreSQL)]
    API --> Redis[(Redis)]
    API --> Qdrant[(Qdrant)]
    API --> Sock[Docker Socket]

    Sock --> L1[Lab Container]
    Sock --> L2[Lab Container]
    Sock --> LN[Lab Container ...]

    L1 --> Ollama[Ollama :11434]
    L2 --> Ollama
    LN --> Ollama

    subgraph dvap-internal network
        Web
        API
        PG
        Redis
        Qdrant
    end

    subgraph dvap-labs network
        L1
        L2
        LN
        Ollama
    end

Os contêineres dos labs ficam isolados em uma rede Docker separada. Eles podem acessar o Ollama para inferência de LLM, mas não podem acessar o banco de dados, o Redis ou o Qdrant.

Arquitetura de Segurança

Isolamento de Rede

Duas redes Docker mantêm o tráfego dos labs separado da infraestrutura da plataforma:

• dvap-internal (172.20.0.0/24) - PostgreSQL, Redis, Qdrant, API, frontend, Nginx
• dvap-labs (172.21.0.0/24) - contêineres dos labs e Ollama

Os contêineres dos labs podem acessar o Ollama e nada mais na rede interna. Eles não podem acessar PostgreSQL, Redis ou Qdrant.

Acesso ao Docker Socket

Compromisso conhecido: O contêiner da API monta /var/run/docker.sock para criar e parar contêineres de labs sob demanda (Docker-out-of-Docker). Isso concede ao processo da API acesso equivalente a root ao daemon Docker do host.

Esta é uma decisão de design intencional. O DVAP é uma instalação local para um único usuário, voltada a pesquisa e treinamento em segurança, e não um serviço multi-tenant. O compromisso é aceito porque:

• Não existe interface administrativa acessível pela rede que possa acionar operações arbitrárias de contêineres
• Os limites de recursos dos contêineres dos labs (512 MB de RAM, 0,5 CPU) evitam a exaustão de recursos
• As imagens dos labs são construídas a partir de Dockerfiles controlados neste repositório

Se você estiver implantando o DVAP em um ambiente compartilhado ou em rede, substitua a montagem do socket por um socket Docker rootless ou um socket Podman (/run/user/1000/podman/podman.sock) e restrinja o acesso de rede da API de acordo.

TTL de Instâncias

As instâncias dos labs param automaticamente após 1 hora por meio de chaves TTL no Redis. Chame POST /api/v1/instances/cleanup para acionar a limpeza antecipada.

Limitação de Taxa

As submissões de flags são limitadas a 15 tentativas por janela de 60 segundos por token de sessão.

Serviços

Variáveis de Ambiente

Consulte .env.example para todas as variáveis. As principais a alterar antes de qualquer implantação em rede:

SECRET_KEY=          # strong random value for HMAC signing
POSTGRES_PASSWORD=   # change from the default
REDIS_PASSWORD=      # change from the default

Atualização

Um único comando mantém sua instalação atualizada:

make upgrade

Isso executa git pull e depois reconstrói e reinicia todos os contêineres. As migrações de banco de dados são executadas automaticamente a cada inicialização do contêiner da API.

Sem make:

git pull
docker compose up -d --build

O que é atualizado automaticamente

• Código do backend e endpoints da API
• Painel do frontend
• Esquema do banco de dados (migrações Alembic)
• Definições dos labs

O que nunca é alterado

• Seus dados (descobertas, sessões de pesquisa, resultados de benchmarks, campanhas)
• Seu arquivo .env

Verifique se há novas variáveis de ambiente

diff .env .env.example

Desenvolvimento vs Produção

# Development (default) - auto-loads docker-compose.override.yml
# Hot reload for API and frontend, source mounted as volumes
docker compose up -d

# Production - baked images, no volume mounts, 4 uvicorn workers
docker compose -f docker-compose.yml up -d

Crie as imagens antes da execução em produção:

docker build -t dvap-api:latest --target production ./backend
docker build -t dvap-web:latest --target production ./frontend

Executando Testes

Os testes exigem uma instância PostgreSQL. Inicie a stack primeiro:

docker compose up -d postgres
export TEST_DATABASE_URL=postgresql+asyncpg://dvap:<your-postgres-password>@localhost:5432/dvap_test
cd backend
pip install -e ".[dev]"
pytest

Roadmap

v1.1 - Cobertura Expandida de Labs

• Lab de segurança de agentes LangChain
• Lab de segurança multiagente CrewAI
• Lab de segurança RAG LlamaIndex
• Lab de agente autônomo estilo AutoGPT

v1.2 - Benchmarking Aprimorado

• Suporte a modelos de API OpenAI e Anthropic
• Construtor de suítes de benchmark personalizadas
• Relatórios comparativos de benchmark entre versões de modelos
• Testes de regressão automatizados para segurança de modelos

v1.3 - Melhorias na Plataforma

• Suporte a múltiplos usuários com isolamento de sessão
• Extensão VS Code para o espaço de pesquisa
• Integração com GitHub Actions para testes de segurança em CI/CD
• Sistema de progressão de dificuldade dos labs

v2.0 - Automação de Red Team para IA

• Geração automatizada de cadeias de ataque
• Descoberta de vulnerabilidades assistida por IA
• Modelos de campanhas de red team
• Integração com ferramentas de segurança populares (Burp Suite, Metasploit)

Quer contribuir com o roadmap? Abra uma issue ou inicie uma discussão.

Governança

O DVAP é desenvolvido e mantido por Sonu Chaudhary.

Contribuições da comunidade são bem-vindas e regidas pelas diretrizes de Contribuição. A direção de longo prazo é conduzida por meio de GitHub Issues e Discussions. Adições de labs, propostas de recursos e contribuições ao roadmap são revisadas publicamente.

Não há risco de ponto único de falha: o repositório é código aberto sob Apache 2.0 e pode ser bifurcado pela comunidade a qualquer momento.

Contribuindo

Consulte CONTRIBUTING.md para saber como adicionar labs, executar testes e enviar pull requests.

Licença

Apache 2.0 - consulte LICENSE para o texto completo.