uber

@uber

ADR

uber/ADR

ADR secures enterprise AI agents through observability, security benchmarking, and threat detection. Deployed at Uber.

STARS526
FORKS61
ISSUES7
LANGUAGEPython

HISTORICAL INTELLIGENCE

历史情报摘要

按周期独立统计
日榜首次记录
历史最佳#4当前排名#4

暂无可比的上一期数据

记录天数
1 天
记录期 Star
0
本站共 12 天日榜快照 · 最近记录 2026-08-04
本站最早记录:2026-08-04

指标仅基于本站已保存快照,不代表项目在 GitHub 的首次上榜时间;同日多次抓取保留当日最新结果,负向 Star 差值按样本校正处理。

VERIFIABLE HEALTH SIGNALS

项目健康证据

维护、响应、交付与采用风险分开观察,不生成虚假的单一总分。
高可信度
MAINTENANCE

维护活性

核对提交
近 90 天 Commit
33
完整窗口
活跃贡献者
5
按公开提交账号去重
近 12 月活跃月份
3/12
有提交的自然月
RESPONSE

社区响应

核对样本
Issue 关闭率
0%
0/3 个同期新 Issue
Issue 关闭中位数
暂无闭环样本
仅统计已关闭样本
PR 合并率
61%
11/18 个同期新 PR
PR 合并中位数
0.9 小时
仅统计已合并样本
DELIVERY

持续交付

核对发布
近 12 月正式 Release
1
排除草稿与预发布
最近正式 Release
2026-08-01
以公开发布时间为准
发布间隔中位数
样本不足
至少两次正式发布才计算
ADOPTION

采用风险

查看仓库
仓库状态
正常开放
未发现归档标记
开源协议
Apache-2.0
仍需核对完整协议与依赖
Security Policy
未发现
仅检查 GitHub 社区资料

统计窗口 90 天快照样本 1 天计算规则 health-v1采集于 2026-08-04 19:05

公开样本完整,Issue 与 PR 合计样本量达到基本观察门槛。 这些信号不替代代码审计、安全测试和真实生产验证。

AI-ASSISTED PROJECT BRIEF

项目定位与辅助解读

来源边界与风险表述检查

AI 解读仅作初评参考,技术落地请以 GitHub 源码、README 和完整协议为准。

项目资料AI 整理

ADR是面向企业AI代理的安全系统,提供可观测性、安全基准测试和威胁检测能力,宣称已在Uber生产环境部署。开源版本包含Sensor、ADR-Bench和Detector,基于Python,采用Apache-2.0许可证。

从公开资料看,ADR(Agentic AI Detection and Response)旨在保护企业内部与面向客户的AI代理。其核心能力包括:观测代理行为、评估防御能力、检测威胁并防止不安全操作。开源仓库包含ADR Sensor(遥测收集)、ADR-Bench(含300+任务、133个MCP服务器、覆盖17种攻击技术)和ADR Detector(双智能体检测架构)。项目方自述已部署于Uber,相关论文被MLSys 2026接收。Prevention组件和离线Explorer引擎未包含在开源版本中。

核心亮点

项目最值得关注的能力

AI 推断
  • 开源部分涵盖ADR Sensor、ADR-Bench与ADR Detector三个组件
  • ADR-Bench提供300+任务、133个MCP服务器,覆盖17种agent攻击技术
  • 检测器采用高召回分流与深度推理相结合的两层架构

适用场景

它可以解决哪些实际问题

AI 推断
  • 监控员工使用的AI编码工具(如Cursor、Claude Code、Codex)
  • 保护面向客户的AI支持代理,识别提示注入等攻击
  • 作为企业AI代理安全评估与红队演练的基础框架

技术观察

从公开资料提炼的实现特征

AI 推断
  • 基于Python,使用uv管理器同步依赖,需配置ANTHROPIC_API_KEY与OPENAI_API_KEY
  • Detection目录包含合成基准数据(如假凭据、模拟环境),声明仅用于防御性安全研究
  • 提供完整的可复现工作流:docs/REPRODUCIBILITY.md描述了从打包基准到生成论文图表的步骤

优势判断

相对明确的项目价值

AI 推断
  • 源自Uber生产实践,并有同行评审论文背书
  • 以Apache-2.0许可开源,附带可复现评估流程与统一遥测schema

局限与注意

评估和采用前需要留意

AI 推断
  • Prevention组件、ADR Explorer离线引擎未包含在当前开源版本中
  • 基准数据为合成数据,且暂无第三方CVE或安全公告,实际安全效果需自行验证

适用人群

哪些开发者和团队值得关注

AI 推断
  • 企业安全团队与SOC分析师
  • AI代理开发者、安全研究员及需要评估LLM安全性的工程团队
综合参考
ADR提供了面向企业AI代理的完整可观测性与检测框架,基于Uber实际部署经验,具备较高参考价值。但部分核心组件未开源,且缺乏独立安全审计证据,建议用户在采用前自行完成安全、性能与兼容性验证。
由 AI 基于 GitHub 公开资料辅助生成,不构成安全审计、生产选型或专业建议。

依据与内容边界

区分可验证事实、项目方自述与 AI 推断

GitHub 可验证事实

Star、Fork、License、更新时间及健康证据样本来自 GitHub 公开接口。

项目方自述

功能与使用方式主要来自仓库描述和 README,未经本站独立验证。

AI 推断

适用场景、优势与局限属于辅助解读,应结合原始文档独立判断。

  • GitHub事实:仓库显示语言为Python,License为Apache-2.0,当前Stars 495、Forks 59、Open Issues 7。
  • 项目方自述:README声称ADR已部署于Uber生产环境,论文被MLSys 2026接收,且Prevention与Explorer未开源。
生成于 2026-08-04 19:15 规则版本 2026-07-v3
内容有误或您是项目作者?提交纠错
仅保存处理所需内容,不记录原始 IP;可信项目作者的高风险申诉会优先处理。