前置要求

• Docker 24+ 和 Docker Compose v2
• 最低16 GB内存（Ollama会将模型加载到内存中；8 GB仅适用于小型模型）
• 20 GB可用磁盘空间，用于基础镜像和至少一个模型
• x86-64 CPU；支持Apple Silicon和ARM64，但未经测试

GPU为可选。Ollama可以在CPU上运行，但没有GPU推理速度会较慢。

快速开始

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

所有容器健康后打开 http://localhost:8080。首次运行需要30-60秒。

目录

• 前置要求
• 快速开始
• 什么是DVAP?
• 为什么选择DVAP?
• 与同类工具的差异
• 核心特性
• 平台概览
• 演示
• 截图
• 实验室
• OWASP LLM Top 10 覆盖
• 架构
• 安全架构
• 服务
• 环境变量
• 升级
• 开发与生产环境
• 运行测试
• 路线图
• 治理
• 贡献
• 许可证

什么是DVAP?

DVAP是一个开源的AI安全研究、培训、基准测试和红队对抗平台，旨在帮助安全专业人员、AI工程师、研究人员、学生和组织了解现代AI系统如何失效以及如何防御。

DVAP专为AI时代而构建，提供刻意设计为易受攻击的AI应用、Agent、RAG系统、MCP集成以及特定领域环境，可供攻击、分析、基准测试和加固。

与基于云端的AI演练场不同，DVAP完全在您自己的机器上运行。

无需云。无需订阅。无API成本。无供应商锁定。

为什么选择DVAP?

现代AI应用引入了全新的攻击面：

• 提示注入
• 记忆投毒
• RAG投毒
• 工具滥用
• MCP利用
• 多Agent攻击
• 自主Agent操纵
• 数据外泄
• 身份与信任失败
• AI供应链风险

然而，目前没有任何单一平台能让研究人员在同一个地方安全地学习、实践、基准测试和验证这些攻击。

DVAP旨在成为AI安全教育、研究和实验的权威开源平台。

与同类工具的差异

DVAP是首批将动手AI攻击实验室、本地LLM基准测试、CTF挑战和专业报告整合到单一自托管环境中的平台之一。

核心特性

AI安全实验室 15个刻意设计的易受攻击实验室，涵盖真实世界的AI攻击技术。

研究工作台 检查提示、记忆、工具调用、检索文档、Agent操作和攻击链。

安全基准测试 针对AI安全攻击套件评估本地和外部模型。

夺旗赛（CTF） 通过引导式挑战、flag、提示和逐步演练学习AI安全。

报告引擎 生成映射到OWASP LLM Top 10、MITRE ATLAS、CWE和CVSS的专业发现与基准测试报告。

100%本地 在您自己的机器上运行所有内容。您的提示、数据、发现和实验永远不会离开您的环境。

平台概览

🎬 演示

📸 截图

🖥️ 研究指挥中心

_{研究指挥中心  ·  在单一操作视图中实时查看平台活动、模型基准测试排行榜、flag捕获进度和服务健康状态。}

🧩 平台模块

🛡️ 发现仪表盘

_{发现仪表盘  ·  使用严重性评级、OWASP LLM Top 10映射、MITRE ATLAS技术跟踪、分类和记录安全发现，并生成可导出报告。}

实验室

15个容器化实验室，每个都包含flag、提示、逐步演练以及OWASP LLM Top 10 + MITRE ATLAS映射。

每个实验室都在隔离的Docker容器中运行，并拥有独立的Ollama后端LLM端点。

OWASP LLM Top 10 覆盖

DVAP与大型语言模型应用OWASP Top 10保持一致。每个类别映射到一个或多个专用实验室。

15个实验室覆盖10个类别中的8个。LLM04和LLM10在v1.2路线图中。

架构

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

实验室容器在单独的Docker网络上隔离运行。它们可以访问Ollama进行LLM推理，但无法访问数据库、Redis或Qdrant。

安全架构

网络隔离

两个Docker网络将实验室流量与平台基础设施分离：

• dvap-internal (172.20.0.0/24) - PostgreSQL、Redis、Qdrant、API、前端、Nginx
• dvap-labs (172.21.0.0/24) - 实验室容器和Ollama

实验室容器只能访问Ollama，无法访问内部网络上的其他任何内容。它们无法访问PostgreSQL、Redis或Qdrant。

Docker Socket访问

已知权衡： API容器挂载了 /var/run/docker.sock 以便按需创建和停止实验室容器（Docker-out-of-Docker）。这使API进程获得与宿主机Docker守护进程等效的root权限。

这是一个有意为之的设计决策。DVAP是面向安全研究和培训的本地单用户安装，而非多租户服务。接受这一权衡是因为：

• 没有可通过网络访问的管理界面来触发任意容器操作
• 实验室容器的资源限制（512 MB内存、0.5 CPU）可防止资源耗尽
• 实验室镜像基于本仓库中受控的Dockerfile构建

如果您在共享或联网环境中部署DVAP，请将socket挂载替换为rootless Docker socket或Podman socket（/run/user/1000/podman/podman.sock），并相应限制API的网络访问。

实例TTL

实验室实例通过Redis TTL键在1小时后自动停止。调用 POST /api/v1/instances/cleanup 可触发提前清理。

速率限制

flag提交速率限制为每个会话令牌每60秒窗口最多15次尝试。

服务

环境变量

所有变量请参阅 .env.example。在任何联网部署前需要更改的关键变量：

SECRET_KEY=          # 用于HMAC签名的强随机值
POSTGRES_PASSWORD=   # 更改默认值
REDIS_PASSWORD=      # 更改默认值

升级

一条命令即可将您的安装更新到最新：

make upgrade

该命令执行 git pull，然后重建并重启所有容器。每次API容器启动时都会自动运行数据库迁移。

没有 make 时：

git pull
docker compose up -d --build

自动升级的内容

• 后端代码和API端点
• 前端仪表盘
• 数据库架构（Alembic迁移）
• 实验室定义

绝不会被改动的内容

• 您的数据（发现、研究会话、基准测试结果、行动）
• 您的 .env 文件

检查新的环境变量

diff .env .env.example

开发与生产环境

# 开发模式（默认）- 自动加载 docker-compose.override.yml
# API和前端热重载，源码以卷方式挂载
docker compose up -d

# 生产模式 - 构建镜像，无卷挂载，4个uvicorn工作进程
docker compose -f docker-compose.yml up -d

生产运行前构建镜像：

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

运行测试

测试需要PostgreSQL实例。先启动相关服务：

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

路线图

v1.1 - 扩展实验室覆盖

• LangChain Agent安全实验室
• CrewAI多Agent安全实验室
• LlamaIndex RAG安全实验室
• AutoGPT风格自主Agent实验室

v1.2 - 增强基准测试

• 支持OpenAI和Anthropic API模型
• 自定义基准测试套件构建器
• 跨模型版本的基准测试对比报告
• 模型安全自动化回归测试

v1.3 - 平台改进

• 支持带会话隔离的多用户
• 研究工作台的VS Code扩展
• 用于CI/CD安全测试的GitHub Actions集成
• 实验室难度递进系统

v2.0 - AI红队自动化

• 自动化攻击链生成
• AI辅助漏洞发现
• 红队行动模板
• 与主流安全工具集成（Burp Suite、Metasploit）

想要为路线图做贡献？请提交issue或发起讨论。

治理

DVAP由Sonu Chaudhary开发和维护。

欢迎社区贡献，并遵循贡献指南进行管理。长期方向通过GitHub Issues和Discussions推动。实验室新增、功能提案和路线图意见均公开审查。

不存在单点故障风险：该仓库在Apache 2.0下开源，社区可随时fork。

贡献

有关如何添加实验室、运行测试和提交pull request，请参阅CONTRIBUTING.md。

许可证

Apache 2.0 - 完整文本请参阅LICENSE。