adi-shield v0.1.0: detección de inyección de prompt en 5 vectores

#ai #security #python #llm

adi-shield v0.1.0: detección de inyección de prompt en 5 vectores

Sensor de defensa que marca datos no confiables y detecta instrucciones
inyectadas antes de que el agente las ejecute, sin depender del modelo.

El problema

La inyección de prompt (CWE-1427) es el vector principal contra agentes:
instrucciones embebidas en un email, una página web, un ticket o un repo que
el agente trata como mandato propio. Detectarlo requiere marcar el origen de
cada dato, no pedirle al LLM que se autodefenda.

Qué hace

adi-shield expone InjectionShield y evaluate(). Cubre cinco vectores
motivados por el paper que origina el proyecto:

Vector	Origen del dato
email	mensaje entrante
web	contenido scrapeado
ticket	issue/tarea externa
repo	código de terceros
calendar	invitación de agenda

Cuando el dato viene marcado como no confiable y contiene instrucciones de
acción, evaluate devuelve un veredicto de inyección. Distingue eso de un
reenvío legítimo ya autorizado por el usuario.

Cómo funciona

from adi_shield.shield import InjectionShield
shield = InjectionShield()
verdict = shield.evaluate(data="haz esto ahora", source="web",
                          trusted=False)
print(verdict.injection)   # True/False, determinista

El bus de señales (adi_shield.bus.Signal) es la interfaz que trajectory-sentinel
consume.

Resultados de la auditoría

10 tests en adi-shield, todos verdes; ruff limpio.
Auditado en clone fresco (rama main, commit c125db4).

Limitaciones (honestamente)

Es detección de instrucciones embebidas en datos marcados, no un clasificador
semántico profundo. El hook real delante de un agente (llamar evaluate()
antes de cada tool-call) no está desplegado todavía; las pruebas usan fixtures.

Pruébalo

git clone --branch main https://github.com/amurlaniakea/adi-shield.git
cd adi-shield && python -m venv .venv && . .venv/bin/activate
pip install -e .
pytest tests/ -v