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:

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

Links

• 
  Repo: https://github.com/amurlaniakea/adi-shield
  

Licencia: AGPL-3.0-or-later. Autor: Pedro Sordo Martínez.