Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-09-17 19:15 UTC

protectai / llm-guard

The Security Toolkit for LLM Interactions

PythonMIT★ 3 207 зірок⑂ 461 форкз лип. 2023 р.архівнийПереглянути на GitHub ↗
ТипМережевий сервісБібліотекаяк це визначено
#large-language-models#llm#chatgpt#security-tools#adversarial-machine-learning#prompt-engineering#prompt-injection#llmops#llm-security#transformers

protectai/llm-guard має індекс здоров’я 19 зі 100, що відповідає смузі «Критичний». Найвищий показник — Engineering Quality (84/100), найнижчий — Vitality (32/100). Репозиторій заархівовано, тож подальшої підтримки не очікується.

19
загалом / 100
Критичний

Індекс здоров'я програмного забезпечення

Метрики згруповано у зважені категорії на шкалі 1–100. Загальна оцінка починається як їхнє зважене середнє, відкаліброване за розподілом публічного реєстру, тож діапазони мають перцентильний зміст; коли публічні дані активують Політику юрисдикцій високого ризику, рейтинг коригується й отримує верхню межу 34 («У зоні ризику»).

19
Винятковий93-100Верхній щабель реєстру (≈ топ-5%); відповідає практично всім перевіреним критеріям
Відмінний80-92Сильний за всіма напрямами; незначні прогалини
Добрий65-79Здоровий; прогалини обмежені та керовані
Помірний50-64Прийнятний, але з помітними прогалинами; рекомендовано перевірку
Слабкий35-49Суттєві недоліки в кількох сферах
У зоні ризику20-34Суттєві слабкі місця; впровадження потребує обережності
Критичний1-19Серйозні проблеми (покинутий, єдиний мейнтейнер, без базової гігієни)
ЖиттєздатністьСпільнота тавпровадженняСталість таврядуванняІнженернаякістьБезпекаГотовність доШІ

Профіль оцінок

Кожна вісь — окрема категорія. Форма важить більше, ніж середнє: здоровий об'єкт заповнює всю фігуру, тоді як профіль із піками та провалами означає, що сила в одному вимірі маскує ризик в іншому.

Зважений загальний бал 61 калібровано до 67 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

Protect AIОрганізація
787 підписників16 публічних репозиторіївз квіт. 2022 р.

За цим репозиторієм стоїть організація — спільна, підзвітна опіка, здатна пережити будь-якого окремого мейнтейнера.

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікаціяТеги
PyPIllm-guard0.3.16121 76026486 днів томуllmlanguage-modelsecurityadversarial-attacksprompt-injectionprompt-leakagepii-detectionself-hardeningfirewall

Метрики за категоріями

Життєздатність

Чи живий проєкт — чи пишеться код і чи виходять релізи?

32У зоні ризику · 21% загального індексу

Активність розробки

21У зоні ризику
Як обчислюється оцінка
18/36Свіжість push — останній push 70 дн. тому
0.7/36Ритм комітів — 1/52 тижнів із комітами
2.7/18Обсяг комітів — 1 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — project is archived
Використані вхідні дані
commits_last_year1
human_commit_share0,72
days_since_last_push70
active_weeks_last_year1

Дисципліна релізів

48Слабкий
Як обчислюється оцінка
16.2/27Випускає релізи — 23 тегів версій (без релізів GitHub)
7.2/36Свіжість релізів — останній реліз 486 дн. тому
19.8/27Ритм релізів — реліз кожні ~60,1 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count23
latest_release_tagv0.3.16
releases_from_tagsтак
days_since_latest_release486
mean_days_between_releases60,1
Виключено з оцінювання (немає даних або не застосовно): OpenSSF Scorecard: Signed-Releases. Залишкові ваги перенормовано.

Спільнота та впровадження

Чи має проєкт користувачів, завантаження, увагу та влаштовані умови для контриб’юторів?

83Відмінний · 17% загального індексу

Популярність і впровадження

87Відмінний
Як обчислюється оцінка
56.9/60Зірки — 3 207 зірок
22.2/25Форки — 461 форків
8/15Спостерігачі — 29 спостерігачів
Використані вхідні дані
forks461
stars3 207
watchers29
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

77Добрий
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (MIT)
18/18Настанови CONTRIBUTING
0/13.5Кодекс поведінки
0/7.2Шаблон issue
6.3/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges4
has_contributingтак
has_issue_templateні
has_code_of_conductні
readme_badge_servicesshields.io
has_pull_request_templateтак

Впровадження в екосистемі (завантаження)

85Відмінний
Як обчислюється оцінка
67.8/80Щомісячні завантаження — 121 760 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagesllm-guard
dependents—
ecosystemspypi
total_downloads—
monthly_downloads121 760
unverified_packages_excluded—
Виключено з оцінювання (немає даних або не застосовно): Залежні пакети в реєстрі. Залишкові ваги перенормовано.

Сталість та врядування

Чи переживе проєкт своїх людей — бас-фактор, реактивність, хто за ним стоїть і як супроводжуються пакети?

57Помірний · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

24У зоні ризику
Як обчислюється оцінка
9/54Бас-фактор — на 1 контриб’ютор(ів) припадає половина всіх комітів
1.6/22.5Розподіл комітів — головний контриб’ютор — автор 93% комітів
13.5/13.5Широта контриб’юторів — 20 контриб’юторів
0/10OpenSSF Scorecard: Contributors — project has 0 contributing companies or organizations -- score normalized to 0
Використані вхідні дані
bus_factor1
contributors_sampled20
top_contributor_share0,927

Реактивність на issue та PR

66Добрий
Як обчислюється оцінка
37.7/42Вирішення issue — закрито 90% issue
16.3/30Прийняття PR — злито 113/208 вирішених PR
0/13Newcomer PR acceptance — злито 0/2 PR від новачків за 30 дн.
12/15OpenSSF Scorecard: Code-Review — Found 16/18 approved changesets -- score normalized to 8
Використані вхідні дані
merged_prs113
open_issues12
closed_issues104
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d2
issue_closed_ratio0,897
closed_unmerged_prs95
first_time_authors_30d1
first_time_prs_merged_30d0
first_time_prs_decided_30d2

Власність та опіка

69Добрий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен
20.8/25Охоплення власника — 787 підписників у protectai
17.9/25Послужний список — 16 публічних репозиторіїв, вік облікового запису ~4 р.
Використані вхідні дані
followers787
owner_typeOrganization
is_verifiedні
owner_loginprotectai
public_repos16
account_age_days1 627

Супровід пакетів

79Добрий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
14/35Свіжість публікацій — остання публікація 486 дн. тому
20/20Історія версій — 26 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagesllm-guard
ecosystemspypi
any_deprecatedні
min_days_since_publish486

Інженерна якість

Чи наявні базові інженерні практики та документація?

84Відмінний · 19% загального індексу

Інженерні практики

80Відмінний
Як обчислюється оцінка
24/24Процеси CI — 4 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — .ruff.toml
9.6/9.6Pre-commit-хуки
6.4/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — 2 out of 21 merged PRs checked by a CI test -- score normalized to 0
Використані вхідні дані
has_ciтак
has_testsтак
has_editorconfigтак
has_linter_configтак
has_precommit_configтак

Документація

90Відмінний
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://protectai.github.io/llm-guard/
10/10Опис репозиторію
10/10Теми — 10 тем
0/10Wiki
Використані вхідні дані
topicslarge-language-models, llm, chatgpt, security-tools, adversarial-machine-learning, prompt-engineering, prompt-injection, llmops, llm-security, transformers
has_wikiні
homepagehttps://protectai.github.io/llm-guard/
docs_sitehttps://protectai.github.io/llm-guard/
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

Чи міцні видимі практики безпеки й ланцюга постачання, без непослабленої пов’язаності з юрисдикціями високого ризику?

52Помірний · 16% загального індексу

Стан безпеки

54Помірний
Як обчислюється оцінка
7.5/7.5Binary-Artifacts — no binaries found in the repo
0.8/7.5Branch-Protection — branch protection is not maximal on development and all release branches
0/2.5CI-Tests — 2 out of 21 merged PRs checked by a CI test -- score normalized to 0
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
6/7.5Code-Review — Found 16/18 approved changesets -- score normalized to 8
0/2.5Contributors — project has 0 contributing companies or organizations -- score normalized to 0
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Ліцензія — license file detected
0/7.5Maintained — project is archived
0/5Packaging — немає даних
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
3.5/5SAST — SAST tool detected but not run on all commits
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — немає даних
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate5,4
Виключено з оцінювання (немає даних або не застосовно): Packaging, Signed-Releases. Залишкові ваги перенормовано.

Сповіщення про залежності

42Слабкий
Як обчислюється оцінка
6/35Прямі залежності без відомих сповіщень — уражено 3: transformers 4.51.3 (critical 9.6), json-repair 0.44.1 (high 7.5), nltk 3.10.3 (high 7.0)
8.6/25Непрямі залежності без відомих сповіщень — уражено 1: cryptography 44.0.3 (high 8.2)
27.7/40Немає задавнених сповіщень — 2 пакет(ів) зі сповіщеннями без реакції понад 90 дн.; найдавніше опубліковано 437 дн. тому
Використані вхідні дані
sourceosv
advisories40
affected_packages4
assessed_packages97
unassessed_packages0
affected_by_severitycritical 1, high 3
direct_affected_packages3
Звірено з runtime-замиканням залежностей pypi:llm-guard@0.3.16 — тим, що тягне за собою встановлення опублікованого пакета, — 97 пакетів. Досяжність не аналізується.

Готовність до ШІ

Наскільки репозиторій оснащений для розробки та супроводу за участі ШІ-агентів? Має свідомо малу вагу (4%): агентний інструментарій — реальний сигнал супроводу, але репозиторій без нього все одно може отримати 100/100.

62Помірний · 4% загального індексу

Контекст і настанови для агентів

18Критичний
Як обчислюється оцінка
0/45Інструкції для агентів — немає CLAUDE.md / AGENTS.md / правил редактора
0/15Машиночитана документація (llms.txt)
18.5/40Читабельна історія комітів — намір зазначено у 25 з 72 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,347
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

82Відмінний
Як обчислюється оцінка
18/18Розгортання однією командою — Makefile, llm_guard_api/Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — .ruff.toml
11/11Статична перевірка типів — pyrightconfig.json
10/10Відтворюване середовище — Dockerfile
2/10Підтверджена практика роботи з агентами — 1 з останніх 100 комітів створено агентом або з його зазначенням
8/8Автоматизоване супроводження — 28 з останніх 100 комітів — автоматичні оновлення залежностей
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileтак
typed_languageні
bootstrap_filesMakefile, llm_guard_api/Makefile
has_devcontainerні
has_linter_configтак
typecheck_configspyrightconfig.json
agent_commit_share0,01
toolchain_manifests—
dependency_bot_commit_share0,28

Читабельність коду для моделей

82Відмінний
Як обчислюється оцінка
27/45Типізований код — Python з конфігурацією перевірки типів (pyrightconfig.json)
55/55Керовані розміри файлів — 0/217 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes26 353
source_files_sampled217
oversized_source_files0

Машиночитні інтерфейси

80Відмінний
Як обчислюється оцінка
40/40Схема API (OpenAPI/GraphQL/proto) — llm_guard_api/openapi.json
0/20Сервер MCP
40/40Придатні до запуску приклади — examples, notebooks
Використані вхідні дані
example_dirsexamples, notebooks
has_mcp_signalні
api_schema_filesllm_guard_api/openapi.json
interfaces_expected_ofnetwork-service

Ключові факти

3 207зірок GitHub
20контриб'юторів
1комітів за останні 12 місяців
70днів від останнього пушу
23релізів
1бас-фактор
12відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • Could not fetch pypi package 'llm-guard-api' from its registry

Докладніше

Історія зірок і форків 0 ★ / 461 ⇿
0Зірки
461Форки
21Релізи

Коли додано кожну зірку й форк — зібрано з GitHub і згруповано за днями. Кумулятивне зростання розміщено просто над денними додаваннями, з яких воно складається, тож їх видно одне проти одного: рівномірне органічне накопичення виглядає зовсім інакше, ніж різкий короткочасний сплеск. Там, де цю різницю можна виміряти, її подано як автентичність росту.

010020030040050045792023-082025-022026-09
Мажорні 0Мінорні 3Патчі 18

Кожна точка охоплює 3 днів.

OpenSSF Scorecard 5.4 / 10
5.4сукупно

Незалежна, не прив'язана до інструментів оцінка безпеки від відкритого проєкту OpenSSF Scorecard. Кожна перевірка винагороджує практику безпеки, а не інструмент конкретного постачальника. Перевірки, які Scorecard не зміг визначити, позначено н/д і виключено з оцінки безпеки (вони ніколи не зараховуються як нуль).Scorecard v5.5.0 · 2026-09-17 19:14 UTC

10Binary-Artifactsno binaries found in the repo
1Branch-Protectionbranch protection is not maximal on development and all release branches
0CI-Tests2 out of 21 merged PRs checked by a CI test -- score normalized to 0
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
8Code-ReviewFound 16/18 approved changesets -- score normalized to 8
0Contributorsproject has 0 contributing companies or organizations -- score normalized to 0
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
0Maintainedproject is archived
н/дPackagingpackaging workflow not detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
7SASTSAST tool detected but not run on all commits
10Security-Policysecurity policy file detected
н/дSigned-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
10Vulnerabilities0 existing vulnerabilities detected
Прямі залежності 28
РеєстрПакетОбмеження версіїМаніфест
PyPIasyncio==3.4.3llm_guard_api/pyproject.toml
PyPIfastapi==0.115.12llm_guard_api/pyproject.toml
PyPIllm-guard==0.3.16llm_guard_api/pyproject.toml
PyPIpydantic==2.11.4llm_guard_api/pyproject.toml
PyPIpyyaml==6.0.2llm_guard_api/pyproject.toml
PyPIuvicorn==0.34.2llm_guard_api/pyproject.toml
PyPIstructlog>=24llm_guard_api/pyproject.toml
PyPIslowapi==0.1.9llm_guard_api/pyproject.toml
PyPIopentelemetry-instrumentation-fastapi==0.54b1llm_guard_api/pyproject.toml
PyPIopentelemetry-api==1.33.1llm_guard_api/pyproject.toml
PyPIopentelemetry-sdk==1.33.1llm_guard_api/pyproject.toml
PyPIopentelemetry-exporter-otlp-proto-http==1.33.1llm_guard_api/pyproject.toml
PyPIopentelemetry-exporter-prometheus==0.54b1llm_guard_api/pyproject.toml
PyPIopentelemetry-sdk-extension-aws==2.1.0llm_guard_api/pyproject.toml
PyPIopentelemetry-propagator-aws-xray==1.0.2llm_guard_api/pyproject.toml
PyPIpsutil>=5.9llm_guard_api/pyproject.toml
PyPIbc-detect-secrets==1.5.43pyproject.toml
PyPIfaker>=37,<38pyproject.toml
PyPIfuzzysearch>=0.7,<0.9pyproject.toml
PyPIjson-repair==0.44.1pyproject.toml
PyPInltk>=3.9.1,<4pyproject.toml
PyPIpresidio-analyzer==2.2.358pyproject.toml
PyPIpresidio-anonymizer==2.2.358pyproject.toml
PyPIregex==2024.11.6pyproject.toml
PyPItiktoken>=0.9,<1.0pyproject.toml
PyPItorch>=2.4.0pyproject.toml
PyPItransformers==4.51.3pyproject.toml
PyPIstructlog>=24pyproject.toml
Усі залежності 0

Повний розв'язаний набір залежностей із графа залежностей GitHub: 0 прямих і 0 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
Сповіщення про залежності 4

Встановлення pypi:llm-guard@0.3.16 тягне 97 пакетів, прямих і транзитивних: 4 мають відомі сповіщення, з них 3 — прямі залежності.

ПакетВерсіяЗв'язокКритичністьСповіщеньВиправлено в
transformers4.51.3прямакритична285.10.0
json-repair0.44.1прямависока10.60.1
nltk3.10.3прямависока1—
cryptography44.0.3непрямависока1050.0.0

Сповіщення означає, що версія, записана в графі залежностей, потрапляє в уражений діапазон. Досяжність не аналізується, а граф містить піниї розробки й тестування — знахідка може стосуватися інструментів, а не поставленого коду.

Звіт у форматі JSON машиночитний

Зворотний зв’язок

Помітили щось хибне у цьому звіті або маєте чим поділитися? Неправильні вимірювання, непомічені інструменти, ідеї, запитання — усе доречно. Кожне повідомлення читається й отримує відповідь.

Повідомлення збережеться під час входу.

Пов’язані записи

Перевірені репозиторії, що мають спільні каталожні теги або екосистеми з protectai/llm-guard. Читати поруч →

96langfuse/langfuse🪢 Open source agent evals & observability: Trace, evaluate, and improve LLM applications with one open platform.Винятковий100deepset-ai/haystackOpen-source AI orchestration framework for building context-engineered, production-ready LLM applications. Design modular pipelines and agent workflows with explicit control over retrieval, routing, memory, and generation. Built for scalable agents, RAG, multimodal applications, semantic search, and conversational systems.Винятковий98comet-ml/opikDebug, evaluate, and monitor your LLM applications, RAG systems, and agentic workflows with comprehensive tracing, automated evaluations, and production-ready dashboards.Винятковий98Agenta-AI/agentaAgenta is a workspace where you and your team build agents and automations.Винятковий97Giskard-AI/giskard-oss🐢 Open-Source Evaluation & Testing library for LLM AgentsВинятковий96MakazhanAlpamys/SoupFine-tune LLMs from one YAML. Layer streaming trains an 8B model on a 4 GB laptop GPU.Винятковий

Оцінки — це сигнали, а не гарантії. Вони відображають публічно видимі практики на GitHub — це не аудит коду й не гарантія безпеки.

Відсутні дані виключаються, а ваги перенормовуються — нуль за відсутність ніколи не ставиться. Методологія версіонована й відкрита: метрики v2.10.0, схема v0.34.0 — повна методологія · вікі метрик.

Як окремий результат виглядає на тлі всього реєстру: сукупна статистика — PyPI.