24f3003349/Sentinel.dev

 # Sentinel.dev **以 AI 的速度编写代码。以人类与 AI 的速度进行测试。** [](https://sentinel-dev-pitch-deck.vercel.app/) Sentinel 使用 Graphify 映射本地服务，运行一个受控的 Docker 混沌探针，并针对同一探针验证修复方案。 ## 真实功能 - **Graphify 代码图谱：** Sentinel 映射本地源代码树，并计算受影响的依赖爆炸半径。 - **真实的 Docker 执行：** Sentinel 在隔离的容器内构建并运行目标 FastAPI 服务，然后向该运行中的服务发送并发 HTTP 请求。 - **运行时遥测：** Sentinel 记录 Docker 的 CPU 和内存遥测数据，并强制执行资源限制和严格的超时控制。 - **经过验证的修复：** Sentinel 创建一个 review 分支，提交补丁，并在报告 `VERIFIED` 之前重新运行相同的 Docker 探针。 - **可选的 GitHub PR：** 配置了 `GITHUB_TOKEN` 后，Sentinel 可以推送 review 分支并发起 GitHub pull request。 ## 评委演示 — 无需 API 密钥 前置条件：Python 3.12+、[uv](https://docs.astral.sh/uv/) 和 Docker Desktop。 **请先打开 Docker Desktop 并等待其显示为运行状态。** 必须使用 Docker 竞技场；Sentinel 不会静默跳过此步骤。 ``` git clone https://github.com/24f3003349/Sentinel.dev.git cd Sentinel.dev uv sync --all-extras --frozen uv run python run_sentinel_demo.py --mode deterministic ``` 确定性预演执行完整且可复现的流程： 1. 本地正常路径测试通过。 2. Graphify 映射依赖关系图和爆炸半径。 3. Docker 暴露出本地测试遗漏的生产级故障。 4. Sentinel 在 review 分支上展示修复差异。 5. Docker 重新运行相同的探针并输出 `VERIFIED`。 每次成功运行后，代码库都会停留在一个生成的修复分支上。要再次启动漏洞演示： ``` git checkout main ``` ## 实时模型演示 实时模式使用配置的提供商来选择 Graphify 引导的受控探针和批准的修复策略。Sentinel 在 Docker 内部执行其经过审查的探针和修复实现；它不会执行任意的由模型生成的代码。 ``` $env:SENTINEL_LLM_PROVIDER = "google" $env:GEMINI_API_KEY = "your_google_ai_studio_key" $env:SENTINEL_LLM_MODEL = "gemini-3.5-flash" uv run python run_sentinel_demo.py --mode live ``` **Google AI Studio 为符合条件的 Gemini API 使用提供免费额度。请在本地添加您自己的密钥；本仓库中不存储任何 API 密钥。** ### OpenAI Platform ``` $env:SENTINEL_LLM_PROVIDER = "openai" $env:OPENAI_API_KEY = "your_openai_platform_key" $env:SENTINEL_LLM_MODEL = "gpt-5.6-sol" uv run python run_sentinel_demo.py --mode live ``` **使用 OpenAI API 需要具有可用 API 计费或余额的 OpenAI Platform 密钥。ChatGPT 订阅不包含 API 使用量。** 支持 Google AI Studio、OpenAI Platform 和 OpenRouter。ChatGPT/Codex 计划额度不提供 API 访问权限。 ## 内置目标 | 目标 | 暴露的故障 | 已验证的修复 | | --- | --- | --- | | `race_condition` | 并发预订导致一个 SQLite 票超卖 | 原子条件库存更新 | | `memory_leak` | 大规模导出突破 256 MiB 竞技场限制 | 流式响应 | | `redos_attack` | 灾难性正则表达式导致验证停滞 | 线性时间白名单验证 | ## 安全性与仪表板 一次性的 `python:3.12-slim` 竞技场没有主机卷挂载或外部网络，具有只读的根文件系统，并被限制为 1 个 CPU、256 MiB RAM、64 个 PID 以及 10 秒的严格超时。 运行完成后，在仪表板中检查 Graphify 图谱、日志、遥测数据、发现的问题和验证结果： ``` cd dashboard npm ci npm run dev ``` 打开 `http://localhost:3000`。 ## Codex 如何加速我们的工作流 Codex 加速了将 Sentinel 从一个想法转化为可复现演示的工程工作： - 构建了 Graphify 映射管道、隔离的 Docker 竞技场、修复工作流和仪表板。 - 强化了运行机制，以应对超时、格式错误的提供商 payload、不安全的补丁以及跨平台的 Docker 问题。 - 添加了确定性和实时演示路径，具有清晰的遥测、补丁差异和重复验证。 - 创建了测试套件、评委文档、Git 工作流和 GitHub 发布材料。 ## GPT-5.6 如何提供帮助 通过 OpenAI Platform 或 OpenRouter 配置后，GPT-5.6 会使用 Graphify 图谱和 Docker 证据来选择受控的探针和批准的修复策略。然后，Sentinel 会应用经过审查的修复，并通过重新运行相同的 Docker 探针来证明结果。

标签：AV绕过, DLL 劫持, Docker, FastAPI, GitHub自动化, MITM代理, 动态应用安全测试, 大语言模型, 安全防御评估, 模块化设计, 混沌工程, 自动化修复, 请求拦截, 逆向工具, 配置错误