ApexGuard 的🛡️
多代理LLM系统的零信任执行层\ 通过加密策略执行和实时异常检测来管理、监控和保护自主AI代理。
______________________________________________________________________
🎯 概述
现代法学硕士代理人越来越自主，但风险也越来越大。 ApexGuard 的 是一个全面的 治理层 通过加密验证、基于角色的访问控制和实时异常检测，防止工具阴影、能力注入、策略绕过和未经授权的访问。
ApexGuard可以防止什么
| 威胁 | 预防 |
|---|---|
| 🎭 工具阴影 | 加密HMAC签名确保只执行注册的工具 |
| 🔧 能力注入 | 特工不能在训练中授予自己新的能力 |
| 💣 炸药操作 | 高冲击破坏性命令需要明确授权 |
| 🚫 架构违规 | Pydantic验证可防止参数格式错误 |
| 🔓 策略绕过 | 多层强制阻止上下文操纵攻击 |
______________________________________________________________________
✨ 主要特点
✅ 零信任架构 --假设所有代理都是不可信的，除非另有证明\ ✅ 加密工具注册表 --HMAC签名的工具目录可防止欺骗\ ✅ RBAC策略引擎 --可在运行时部署版本化、可审计的策略\ ✅ Gemini驱动的策略生成 --将纯英文规则转换为结构化RBAC JSON\ ✅ 长期审计代理 --持续的异常检测和威胁标记\ ✅ 不可变审计日志 --每个决策都记录了完整的背景和推理\ ✅ 实时仪表板 --监控执行、异常和代理行为\ ✅ 生产部署 --实时渲染；可扩展、容器化、安全
______________________________________________________________________
🏗️ 建筑
┌──────────────────────────────────────────────┐
│ Multi-Agent Orchestrator │
│ (Routes tasks to specialists) │
└────┬────────────────────┬────────────────────┘
│ │
┌───▼──┐ ┌──────┐ ┌────▼────┐
│Agent │ │Agent │ │Agent │
│Data │ │Code │ │Finance │
└───┬──┘ └──┬───┘ └────┬────┘
│ │ │
└────┬───┴─────┬─────┘
│ │
┌─────▼─────────▼──────────────┐
│ ApexGuard Enforcement │
│ │
│ ✓ Policy Validation │
│ ✓ Schema Checking │
│ ✓ RBAC Matching │
│ ✓ Anomaly Detection │
│ ✓ Audit Logging │
└─────┬──────────┬──────────────┘
│ │
┌────▼──┐ ┌───▼───┐
│ ALLOW │ │ BLOCK │
│Logged │ │Escalate
└───────┘ └───────┘组件
- 执法引擎 --拦截每个工具调用；验证身份、签名、模式和策略
- 工具注册表 --加密签名目录；防止工具阴影
- 策略存储 --版本化的RBAC策略；运行时可部署
- AI策略生成器 --Gemini 2.5 Pro转换自然语言→ 结构化政策
- 审计代理人 --长期运行的后台服务检测异常
- 存储器 --持久审计日志、策略版本、异常记录
- 可观测性API --日志、异常、策略、工具的REST端点
- 仪表板用户界面 --实时监控和策略管理
- 部署 --使用Gunicorn+Flask渲染制作就绪
______________________________________________________________________
🚀 快速开始
安装
git clone https://github.com/yourusername/apexguard.git
cd apexguard
# Create virtual environment
python -m venv venv
source venv/bin/activate # On Windows: venv\Scripts\activate
# Install dependencies
pip install -r requirements.txt环境变量
创建一个 .env 文件：
ENFORCEMENT_HMAC_KEY=your_secret_key_here
GEMINI_API_KEY=your_gemini_api_key
DATABASE_FILE=apexguard.db
FLASK_ENV=production在本地运行
# Start the Flask backend
python app.py
# Backend available at http://localhost:5000
# Dashboard available at http://localhost:5000/static/dashboard.htmlDocker部署
# Build Docker image
docker build -t apexguard:latest .
# Run container
docker run -p 5000:5000 \
-e ENFORCEMENT_HMAC_KEY=your_key \
-e GEMINI_API_KEY=your_key \
apexguard:latest______________________________________________________________________
📋 api参考
执行工具调用
curl -X POST http://localhost:5000/api/enforce \
-H "Content-Type: application/json" \
-d '{
"agent_id": "agent-001",
"agent_role": "analyst",
"tool_name": "read_data",
"tool_version": "1.0",
"parameters": {"query": "SELECT * FROM logs LIMIT 10"},
"signature": "hmac_sha256_hash"
}'响应（允许）：
{
"status": "ALLOW",
"decision_id": "dec_2025_1130_001",
"reason": "Policy match: analyst role authorized for read_data tool",
"execution_time_ms": 42
}响应（块）：
{
"status": "BLOCK",
"decision_id": "dec_2025_1130_002",
"reason": "Policy violation: analyst role cannot execute write_policy",
"escalation": "security_team@org.com",
"audit_id": "aud_2025_1130_001"
}检索审核日志
curl http://localhost:5000/api/audit-logs?limit=50&offset=0检索异常
curl http://localhost:5000/api/anomalies?severity=HIGH列表工具注册表
curl http://localhost:5000/api/tools生成策略
curl -X POST http://localhost:5000/api/generate-policy \
-H "Content-Type: application/json" \
-d '{
"rule": "Readers may access logs with limit 10, but cannot modify policies. Auditors access everything."
}'______________________________________________________________________
📊 仪表板功能
访问实时仪表板： https://agent-guard-1-0-0.onrender.com/static/dashboard.html
- 📈 概述 --实时系统指标和合规状态
- 🔍 审计日志 --可搜索、可排序的执行决策历史
- 🤖 代理 --监控连接的代理、角色和行为模式
- 🔧 工具 --带有模式和签名的注册工具
- 📋 政策 --查看和管理活动RBAC策略
- ⚙️ 模拟器 --部署前测试策略更改
- ✨ 策略生成器 --使用自然语言创建策略
______________________________________________________________________
🔐 安全模型
零信任执法
ApexGuard的工作原理是 除非另有证明，否则所有代理都是不可信的每个工具调用都要经过三个验证层：
- 身份验证 --确认代理身份和分配的角色
- 加密验证 --验证工具签名（HMAC-SHA256）
- 政策评估 --将请求与活动RBAC策略进行匹配
审计日志
所有决策都以不变的方式记录：
- 时间戳和决策ID
- 代理身份和角色
- 工具名称和参数（对敏感数据进行哈希处理）
- 策略规则匹配
- 执行行动（允许/阻止）
- 背景和推理
异常检测
连续背景扫描检测：
- 频繁的BLOCK尝试（策略绕过操作）
- 异常工具序列（能力注入）
- 炸药操作（破坏性命令）
- 角色升级模式
- 时间异常（非工作时间访问、突然的行为变化）
______________________________________________________________________
📈 演出
| 度量 | 值 |
|---|---|
| 策略评估延迟 | 平均42毫秒（低于100毫秒p99） |
| 审计日志准确性 | 100%（不可变，经过加密验证） |
| 政策合规率 | 98.7%（低假阳性率） |
| 系统正常运行时间 | 99.2%（7天滚动） |
| 可扩展性 | 支持1000+代理，10k+策略 |
______________________________________________________________________
🛠️ 用例
金融服务
防止未经授权的资金转移、API滥用和未经授权数据导出。
医疗保健
确保HIPAA合规性；防止患者PII泄漏；审核所有数据访问。
SaaS平台
多租户治理；执行每个客户的政策；跟踪合规性指标。
电子商务
保护库存系统；防止基于代理人的欺诈；确保交易的完整性。
______________________________________________________________________
📚 政策示例
策略1：数据访问控制
{
"name": "DataPrivacy",
"role": "analyst",
"tools": ["read_logs", "query_database"],
"conditions": [
"data_size = 09:00 AND time_of_day ) | [领英](www.linkedin.com/in/rishit-guha-419684278)
______________________________________________________________________
## 🙏 致谢
- 专为 **Kaggle谷歌人工智能代理密集型Capstone**
- 由...驱动 **谷歌双子座2.5 Pro**
- 受企业安全治理最佳实践的启发
______________________________________________________________________
## 📞 支持
- 📧 电子邮件：rishitguha0824@gmail.com
______________________________________________________________________
## 🏆 标签
`agents` `gemini` `governance` `multi-agent` `compliance` `mcp` `security` `zero-trust` `llm` `safety` `policy-enforcement` `anomaly-detection` `audit-logging` `rbac` `cryptography`
______________________________________________________________________
**ApexGuard：确保AI代理能够强大，而不会变得危险。** 🚀