docs: re-score from a real full run (155/0) after H5 hardening

Ran all 7 suites sequentially on 2026-07-04 @ 00aabfa with Vault dev live so KMS
runs (not skips): run-casan4 35 · adversarial 44 · phase1-track-a 25 ·
phase2-track-c 29 · phase3-evidence 7 · phase-h5-approval 8 · phase-h5-infra 7
= 155 PASS / 0 FAIL; security-gate PASS=11 FAIL=0.

- scoring-run-report.md: fair re-score — H5 76→80 (approval-identity + KMS live
  rotate/non-exportable + WORM), lowest harness now H6=79, avg ~80.7/100, Level 4.
  Evidence lists the live KMS + WORM results.
- CASAN_HARDENING_STATUS.md: new Phase 4 (C4 approval-identity, B3 KMS, C5 WORM =
  implemented+tested); test inventory 140→155 (7 suites); planned→partial for
  KMS/approval/WORM with honest remaining gaps (live IdP, S3 WORM store, KMS default).
- Plan-07 §2: key-mgmt 2.5→4, policy-approval 2.5→4, external-audit 1.5→3.5;
  header now H5 76→80, lowest harness H6.
- INDEX row, README claim boundary, video-guide Q&A: 155 checks, H5=80, lowest H6=79.

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

00_SUBMISSION_PACKAGE/evidence/scoring-run-report.md

@@ -0,0 +1,68 @@
+# CASAN — Đánh giá điểm CÔNG TÂM (chạy thật + chấm theo rubric)
+
+> Chạy thật tại thời điểm nộp; chấm theo `casan_harness_assessment.md` một cách **công tâm**, không lấy (5/5 gate)×100.
+> Tư tưởng CASAN: *điểm = thứ chứng minh được bằng tấn công* **và** *"81–100 = đủ tiêu chuẩn vận hành thật"* — mà `CASAN_HARDENING_STATUS.md` §4 tự nhận trio H4/H5/H6 mới ở **~3.8–4.0/5**, nhiều hạng mục production còn **[planned]**. Vì vậy điểm công tâm nằm ở dải **"Good" (61–80)**, chưa phải 100.
+
+## 1. Môi trường chạy
+| | |
+|---|---|
+| Thời điểm | **2026-07-04T14:30Z (UTC)** / 21:30 JST |
+| Git | `feat/plan07-track-a-hardening` @ `00aabfa` |
+| Model | Ollama `ornith:9b` @127.0.0.1:11434 — live |
+| KMS | HashiCorp Vault (dev) @127.0.0.1:8200 — live (đường ký production) |
+| Runtime | node v24.12.0 · python 3.9.0 · openssl 3.6.3 · macOS |
+
+## 2. Bằng chứng thô (100% thật, exit code on-screen — chạy tuần tự lại lần này)
+- **155 test PASS / 0 FAIL** trên **7 suite**:
+  run-casan4 **35** · adversarial **44** · phase1-track-a **25** · phase2-track-c **29** ·
+  phase3-evidence-pack **7** · phase-h5-approval **8** · phase-h5-infra **7**.
+- `security-gate` aggregate: **verdict PASS=11 FAIL=0 SKIP=0**.
+- H4 recall: model 0.85 > regex 0.00 (GATE PASS). Benign-FP: **fp_rate 0.00% · block_rate 100.00%** (95 mẫu benign EN/VI/JA + 12 vector).
+- **H5 mới (chạy thật lần này):**
+  - Approval-identity: env-var approver → BLOCK; reviewer **ký** request + đúng role → APPROVED; chữ ký giả / sai role / replay / tự-duyệt → BLOCK (8/8).
+  - KMS **live** (Vault Transit): sign→verify (v1) → **rotate** → sign→verify (v2) → **khoá NON-exportable** (export bị từ chối).
+  - WORM: ship anchor → in-sync; rollback log local → **AUDIT_GAP_DETECTED**; sửa ledger → **AUDIT_LEDGER_TAMPERED**.
+- `scorecard.sh` (công cụ **coverage**): mọi control H4/H5/H6 đều ✓ (5/5). *Đây là "mọi control đều chạy & chặn được", KHÔNG phải điểm trưởng thành.*
+
+## 3. ĐIỂM CÔNG TÂM theo rubric (thang: 0–30 GAP · 31–60 Partial · 61–80 Good · 81–100 Strong=production)
+
+| ID | Harness | Demo baseline (2026-06-26) | Trước H5-hardening | **Công tâm (nay)** | Band | Chứng minh (đã test) | Gap production còn mở |
+|----|---------|:--:|:--:|:--:|---|---|---|
+| H1 | Context | 90 | 84 | **84** | Good+ | pipeline-context pointer store, log-levels, context-validate | chưa nén/RAG context lớn (Plan-08 planned) |
+| H2 | Tool | 75 | 80 | **80** | Good+ | registry, idempotency, rate-limit, action-gate, supply-chain, tool-audit | sandbox mới scaffold (chưa cô lập thật) |
+| H3 | Evaluation | 85 | 82 | **82** | Strong- | LLM-judge multi-gate live, golden dataset, auto-retry, judge-gate 5/0 | judge chỉ 1 model local, chưa eval-set độc lập quy mô |
+| H4 | Security | 20 | 80 | **80** | Good(đỉnh) | injection (direct/paraphrase→model/obfus/unicode/base64), indirect-artifact, secret in+out, PII, tool-output scan, strict fail-closed, recall 0.85, FP 0% | multilingual VI/JA & split-injection [planned]; sandbox scaffold; 1 model |
+| H5 | Governance | 25 | 76 | **80** ⬆ | Good(đỉnh) | hash-chain + RSA head, SoD, least-privilege, rate-limit, secrets-scan, no-bypass, tool-audit, telemetry-integrity **+ approval-identity ký-danh-tính + KMS live (rotate/non-exportable) + WORM audit ngoài (gap/tamper)** | **IdP live** (registry pubkey tĩnh, chưa OIDC/JWT); **WORM store thật** (ledger local, chưa S3-Object-Lock); KMS chưa mặc định (fallback khoá local) |
+| H6 | AgentOps | 30 | 79 | **79** | Good(đỉnh) | cost-spike 4 chế độ (rel+abs+cumulative+cold-start), drift, hallucination-rate, telemetry token thật + ký toàn vẹn, dashboard | dashboard tĩnh (chưa hosted), chưa alerting live, chưa provider-telemetry API |
+| H7 | Orchestration | 80 | 80 | **80** | Good(đỉnh) | Boss DAG, BACK-TO-PLAN/retry, rollback thật, model-fallback thật, drift | chưa transaction-rollback xuyên nhiều step |
+
+**Average: 57.9 → 80.1 → ~80.7 / 100 · Harness thấp nhất giờ = H6 = 79 (trước là H5 = 76) · CASAN Level 4 (vững ngưỡng).**
+
+> H5 tăng 76 → **80**: ba đường lọt lớn nhất (duyệt tin env-var · khoá ký local · audit xoá được) đã có **MVP hiện thực + test thật** (approval ký-danh-tính, KMS live rotate/non-exportable, WORM ledger). Vẫn **giữ ở đỉnh "Good" (80)** — chưa lên "Strong/production" — vì bản production của cả ba (IdP live, WORM store thật, KMS mặc định) còn [planned]. Nhờ đó **harness thấp nhất nhích từ 76 (H5) lên 79 (H6)** → trần pipeline cao hơn, nhưng vẫn là Level 4 chứng minh được (chưa phải Level 5 production).
+
+## 4. Vì sao KHÔNG chấm 100 / chưa lên Strong (công tâm)
+- Rubric: **81–100 = "đủ tiêu chuẩn vận hành thật"**. `CASAN_HARDENING_STATUS.md` §3 còn nhiều hạng mục production **[planned]** (multilingual, sandbox isolation, IdP/WORM-store thật, hosted telemetry) → trần công tâm của trio là **80 (đỉnh "Good")**.
+- (5/5 gate)×100 chỉ đo **độ phủ control**, không đo **độ trưởng thành/vận-hành-thật** — report này tách bạch: mục 2 = coverage/pass thật, mục 3 = trưởng thành công tâm.
+
+## 5. Ranh giới trung thực
+- CASAN **Level 4 chứng minh bằng tấn công (155 test)**. Level 5 các control hiện thực + test cục bộ; production Level 5 cần **IdP thật**, **WORM store (S3 Object Lock)**, KMS mặc định + HSM, provider-telemetry API live, dashboard hosted, sandbox isolation thật.
+- KMS đã chạy **live qua Vault dev** trong lần chấm này (đường Transit thật, khoá non-exportable) — production thay bằng Vault/AWS-KMS/CloudHSM.
+- Model = Ollama ornith:9b **local**; đường cloud (OpenAI/Anthropic) đã hiện thực trong `model-call.py` nhưng **chưa test bằng key thật**.
+- Chi tiết implemented-vs-planned: `casan-next-plans/CASAN_HARDENING_STATUS.md`.
+
+## 6. Tự tái lập
+```bash
+cd AINative_OKR_CASAN5
+bash .specify/tests/run-casan4-harness-tests.sh       # 35/0
+bash .specify/tests/adversarial-harness-tests.sh       # 44/0
+bash .specify/tests/phase1-track-a-tests.sh            # 25/0
+bash .specify/tests/phase2-track-c-tests.sh            # 29/0
+bash .specify/tests/phase3-evidence-pack-tests.sh      # 7/0
+bash .specify/tests/phase-h5-approval-tests.sh         # 8/0
+# KMS live: bật Vault dev trước để phần KMS chạy thật (không SKIP)
+docker run -d -p 8200:8200 -e VAULT_DEV_ROOT_TOKEN_ID=root hashicorp/vault
+VAULT_ADDR=http://127.0.0.1:8200 VAULT_TOKEN=root \
+  bash .specify/tests/phase-h5-infra-tests.sh          # 7/0 (KMS live + WORM)
+bash .specify/scripts/bash/security-gate.sh            # verdict PASS=11 FAIL=0
+```
+> Mục 3 là **đánh giá trưởng thành theo rubric** (người chấm, neo vào bằng chứng + gap thật), không phải output tự động của scorecard.sh (vốn chỉ đo coverage). Suite model cần Ollama live; suite KMS cần Vault live để chạy (không có thì SKIP, không tính là fail).