Progetto personale
llmBlueGuard
Progetto personale · in evoluzione
llmBlueGuard è un proxy di guardrail per l’AI: si interpone tra le applicazioni e i modelli linguistici così ogni chiamata passa da un unico punto di controllo. Nato in lab per sperimentare GenAI con più disciplina — meno “ogni client fa da sé”, più policy e osservabilità centralizzate.
AISecurityProxyGuardrail
Contesto
Uso modelli e automazioni GenAI in contesti personali e di studio. Moltiplicandosi i client (script, UI, pipeline), diventa difficile sapere cosa viene inviato, cosa torna indietro e se rispetta regole sensate. Volevo un pezzo di infrastruttura, non una libreria da copiare in ogni progetto.
Il problema
Senza un gateway dedicato, ogni integrazione parla direttamente con l’LLM. Si perde visibilità sul traffico, cresce il rischio di prompt abusivi o dati fuori posto, e le policy (se esistono) restano sparse e inconsistenti. Cambiare modello o provider significa ritoccare tutti i client.
L’approccio
BlueGuard si comporta come un proxy/gateway: i client puntano a lui, lui parla con il modello. Sul flusso si possono applicare controlli, logging e regole senza riscrivere ogni applicazione. È lo stesso pattern di un reverse proxy, ma pensato per il traffico conversazionale verso gli LLM.
01
Client
App, script o automazione inviano la richiesta a BlueGuard invece che direttamente al provider.
02
Guardrail
Il proxy applica policy, filtri e osservabilità in un punto unico, prima e/o dopo la chiamata al modello.
03
Modello
Solo il traffico ammesso raggiunge l’LLM; la risposta torna al client passando dallo stesso controllo.
Cosa fa oggi
Punto unico di ingresso
Tutte le chiamate LLM passano dal proxy: meno superficie da proteggere e da capire.
Filtri e policy
Spazio per regole su input/output senza sparpagliarle nei singoli client.
Osservabilità
Visibilità centralizzata su cosa viene chiesto e restituito — base per debug e sicurezza.
Disaccoppiamento
I client non dipendono dai dettagli del provider: si può cambiare modello dietro il proxy.
Lab GenAI + security
Serve a sperimentare automazioni AI tenendo un occhio su abuse e confini d’uso.
Evoluzione continua
Progetto casalingo: cresce con i casi d’uso reali, non come prodotto commerciale chiuso.
Scelte di design
Proxy, non SDK ovunque
Centralizzare batte duplicare controlli in ogni repository: un solo posto da aggiornare quando cambiano le regole.
Compatibile con più client
Qualsiasi cosa sappia parlare HTTP/API può passare da BlueGuard senza riscritture invasive.
Security by design
Il guardrail è il default del percorso, non un plugin opzionale dimenticato in produzione.
Semplicità operativa
Priorità a qualcosa di deployabile in lab e manutenibile, non a un framework enorme.
Focus tecnico
ProxyGuardrailLLMAI securityLab
Stato del progetto
È un lavoro personale in evoluzione: l’architettura a proxy è il nucleo “fatto”, mentre filtri e policy si raffinano con l’uso. Non è un SaaS — è infrastruttura per sperimentare GenAI in modo più consapevole.
Perché conta
Collega due temi che porto anche in consulenza: GenAI applicata e cybersecurity. Un guardrail concreto è più eloquente di una slide — mostra come si mette sicurezza e controllo sul percorso verso i modelli.