saddam1838/Secure_RAG
GitHub: saddam1838/Secure_RAG
一个生产级安全 RAG 平台，在语义检索与大语言模型问答的全链路中集成了多层 AI 安全防护机制。
Stars: 0 | Forks: 0
# 🔐 企业级安全 RAG
### 具备多层 AI 安全防护的安全检索增强生成 (RAG) 平台
**Enterprise Secure RAG** 是一个生产级检索增强生成 (RAG) 平台，它将语义搜索与多层 AI 安全防护相结合，以防御 prompt 注入攻击、恶意文档和不安全的模型输出。
# 📖 概述
Enterprise Secure RAG 允许用户安全地上传文档、构建可搜索的知识库，并通过受保护的 RAG pipeline 与大语言模型进行交互。该平台集成了文档扫描、prompt 注入检测、语义检索、重排序和输出验证，以提供安全可靠的 AI 响应。
# ✨ 功能
- 🔒 多层 Prompt 注入检测
- 📄 安全的文档上传与处理
- 🤖 混合检索增强生成 (RAG)
- 🔍 语义搜索与 Cross-Encoder 重排序
- 🛡️ AI 输出护栏
- 📚 基于引用的响应
- 👤 JWT 身份验证
- 📊 安全仪表板
- 📝 审计日志
- ☁️ 支持 FAISS 和 Qdrant
- 🐳 Docker 部署
# 🏗️ 架构
```
React Frontend
│
▼
FastAPI REST API
│
┌───────────────┼───────────────┐
▼ ▼ ▼
Authentication Security Layer RAG Pipeline
│ │ │
└───────────────┼───────────────┘
▼
Vector Database (FAISS / Qdrant)
│
▼
PostgreSQL / Supabase
```
# 🤖 使用的 AI 模型
| 模型 | 用途 |
|------|---------|
| **sentence-transformers/all-MiniLM-L6-v2** | 稠密文档和查询 embeddings |
| **cross-encoder/ms-marco-MiniLM-L-6-v2** | 检索文档的语义重排序 |
| **google/flan-t5-large** | 响应生成 |
| **meta-llama/Prompt-Guard-86M** | 主要 prompt 注入检测 |
| **ProtectAI/deberta-v3-base-prompt-injection-v2** | 备用 prompt 注入检测器 |
| **unitary/toxic-bert** | 毒性检测和输出过滤 |
### AI Pipeline
```
User Query
│
▼
Prompt Injection Detection
│
▼
Embedding Generation
│
▼
Vector Search
│
▼
Cross-Encoder Reranking
│
▼
FLAN-T5 Response Generation
│
▼
Toxicity Filtering
│
▼
Secure Response
```
# ⚙️ 技术栈
| 类别 | 技术 |
|----------|--------------|
| 前端 | React, Vite, Tailwind CSS |
| 后端 | FastAPI, Python |
| 身份验证 | JWT |
| 数据库 | PostgreSQL, Supabase |
| 向量数据库 | FAISS, Qdrant |
| AI 框架 | Hugging Face Transformers |
| 部署 | Docker, Docker Compose |
# 📂 项目结构
```
enterprise-secure-rag/
│
├── api/
├── services/
├── models/
├── ui-react/
├── utils/
├── docs/
├── tests/
│
├── app.py
├── config.py
├── database.py
├── document_scanner.py
├── Dockerfile
├── docker-compose.yml
├── requirements.txt
├── .env.example
└── README.md
```
# 🚀 快速开始
### 克隆仓库
```
git clone [https://github.com/saddam1838/saddam1838-secure_rag.git](https://github.com/saddam1838/Secure_RAG.git)
cd Secure_RAG
```
### 配置环境
```
cp .env.example .env
```
更新 `.env` 中所需的环境变量。
### `.env.example` 示例
```
SECRET_KEY=change-me-to-a-random-32-character-string
USE_CLOUD_STORAGE=false
QDRANT_URL=https://your-cluster.qdrant.io:6333
QDRANT_API_KEY=your-qdrant-api-key
QDRANT_COLLECTION=rag_documents
SUPABASE_URL=https://your-project.supabase.co
SUPABASE_KEY=your-supabase-key
HF_TOKEN=
MAX_DOCUMENT_SIZE_MB=2
MAX_QUERY_LENGTH=2000
ML_PROMPT_INJECTION_THRESHOLD=0.85
```
### 启动应用
```
docker compose up --build
```
### 访问应用
| 服务 | URL |
|----------|-----|
| 前端 | http://localhost |
| 后端 API | http://localhost:8000 |
| API 文档 | http://localhost:8000/docs |
# 🛡️ 安全特性
- Prompt 注入检测
- 文档安全扫描
- 查询验证
- 毒性输出过滤
- JWT 身份验证
- 基于角色的访问控制
- 审计日志
- 可配置的安全策略
# 📦 部署
支持的部署选项：
- Docker 和 Docker Compose
- 本地开发
- FAISS（本地）
- Qdrant 云端
- PostgreSQL / Supabase
# 🗺️ 路线图
- ✅ 安全的 RAG Pipeline
- ✅ 认证与授权
- ✅ Prompt 注入检测
- ✅ 文档上传与检索
- ✅ 安全仪表板
- ⏳ Kubernetes 部署
- ⏳ CI/CD Pipeline
- ⏳ 多租户支持
# 📄 许可证
该项目基于 **MIT License** 授权。
# 🙏 致谢
该项目使用了以下技术构建：
- FastAPI
- React
- Docker
- Hugging Face Transformers
- Sentence Transformers
- FAISS
- Qdrant
- Supabase
### ⭐ 如果您觉得这个项目有用，请考虑给它点个 Star！
使用 ❤️ 以及 **FastAPI**、**React**、**Docker** 和现代 **AI 安全**技术构建。
标签：AI安全, AV绕过, Chat Copilot, Docker, FastAPI, 人工智能, 大语言模型 (LLM), 安全防御评估, 检索增强生成 (RAG), 测试用例, 用户模式Hook绕过, 请求拦截, 逆向工具