hcbomb/ai-appsec-harness
GitHub: hcbomb/ai-appsec-harness
将 OWASP AISVS 等社区 AI 安全标准转化为可操作的 AppSec 工作流,为 AI 客户端、LLM 应用和 agent 提供威胁建模、证据映射与认证准备的一体化治理框架。
Stars: 5 | Forks: 0
# AI AppSec 治理框架
面向实践者的资源,旨在强化 AI 客户端、LLM 应用、RAG 系统以及自主或半自主 agent。
本仓库将社区 AI 安全参考转化为可操作的 AppSec 工作流,用于:
- 对具备 AI 能力的系统进行威胁建模;
- 将工程证据映射到 OWASP AISVS 风格的验证;
- 准备 OWASP 和 CSA AI 认证;
- 为 AI 客户端和 agent 构建可重复的审查框架。
## 目标受众
- 需要可重复的 AI 安全审查流程的 AppSec 实践者。
- 构建 AI 客户端、agent、RAG 应用、工具调用工作流或模型集成的工程团队。
- 需要基于证据的认证而非仅凭演示文稿的安全治理利益相关者。
## 本框架的运营化对象
- OWASP 人工智能安全验证标准 (AISVS),作为主要的验证主干。
- OWASP GenAI 安全项目和 OWASP Top 10 for LLM and GenAI applications,作为工程师已经认可的风险语言。
- CSA AI 控制矩阵和 CSA AI 安全工作,作为治理和控制映射层。
- 社区“awesome AI”仓库,作为工具、模式、示例和研究的发现源。
本仓库有意不对整个上游标准进行 fork。它保留了规范的链接、初始映射和可直接导入的数据结构,以便未来的框架能够引入权威的上游控制。
有关致谢的标准、框架、威胁建模资源和社区发现源,请参阅 [ACKNOWLEDGEMENTS.md](ACKNOWLEDGEMENTS.md)。
## 快速开始
针对示例 AI 客户端填报表单运行初始框架:
```
PYTHONPATH=harness python -m ai_appsec_harness.cli \
--intake examples/ai-client-intake.example.json \
--catalog data/control-catalog.seed.json \
--out build/ai-client-attestation.md
```
生成的报告不是合规证书。它是一份证据差距分析和强化计划,可用于支持后续的认证工作。
## 仓库导航
- `docs/reference-catalog.md` - 精选来源以及每个来源应如何为 AppSec 工作提供输入。
- `docs/harness-design.md` - 针对 agent、框架和审查关卡的架构目标。
- `docs/security-advisory-response.md` - 在审查会议之前,针对项目提案的自助式安全咨询工作流。
- `docs/threat-modeling-stride.md` - 两级威胁建模方法:辅助式 STRIDE 基线和高级 Shostack 风格实践。
- `docs/weekly-monitoring.md` - 每周 AI + 安全监控工作流和分类标准。
- `docs/aisvs-operationalization.md` - 如何将 AISVS 转化为工程就绪的证据检查。
- `data/reference-catalog.yml` - 机器可读的参考目录。
- `data/control-catalog.seed.json` - 针对 AI 客户端和 agent 的框架启动控制措施。
- `examples/ai-client-intake.example.json` - 框架的样本输入。
- `examples/security-advisory-request.example.json` - 针对安全咨询工作流的早期审查请求样本。
- `harness/` - 无依赖的 Python 概念验证。
- `agents/` - 用于威胁建模、证据收集、CSA 映射和认证的 agent 角色和提示词。
- `templates/` - 审查、威胁建模和认证模板。
## 运营原则
- 先有证据,后有断言。
- 在辩论控制措施之前先对系统进行建模。
- 对于 agent 行动、敏感数据访问和生产环境变更,必须获得人工批准。
- 清晰的源到控制的映射。
- 基于版本化输入生成可重现的报告。
- 具备 AppSec 级可追溯性的、工程可读的输出。
- 在会议之前提供有用的指导,以便审查集中在风险和决策上,而不是发现过程。
## 威胁建模层级
- 基线:执行辅助式 STRIDE 评估,包含最小可行架构输入、业务上下文、当前/目标状态、控制差距、补救决策以及记录在案的审查结果。
- 高级:使用 Adam Shostack 的四问题框架,并跨图表、信任边界、数据流、agent 工具、检索源、身份路径和运营工作流进行更深入的 STRIDE 分析。
## 当前状态
Alpha 阶段脚手架。下一个有意义的里程碑是一个 AISVS 导入器,它从上游 OWASP AISVS 项目中提取权威需求标识符,并将它们映射到初始控制 schema。
标签:AI安全, Chat Copilot, Homebrew安装, 威胁建模, 安全合规, 安全工程, 网络代理, 逆向工具