Jev模型发现通用后缀攻击
一项研究发现，一个短后缀可使Jev模型对43%的未见文档输出发生翻转；单个任务的后缀可在其他任务中达到90-100%的翻转率，且攻击可在数分钟内完成。 链接
THE JEV GUIDE · CURATED EDITION
网络安全.
TypeSafe Jev 的发布、原理、演示与社区实践，按主题整理。每条内容都可回到 X 原帖核对。
人工精选 · 非全量收录 · 手动更新
6757条已收录内容
3414条原帖视频
Sponsors
这些产品赞助了本目录。 把你的产品放上来
Peekray：用Jev检测诈骗链接
作者构建了Peekray工具，用户粘贴可疑链接后，约一秒内即可追踪链接真实去向，并比对超过164,000个已知诈骗链接，同时调用TypeSafe AI的Jev模型判断是否属于尚未被收录的新诈骗链接。
Jev 极速认证逻辑提升安全性
Boaz Foux 称赞 Jev 在传统认证逻辑替换中的极致速度，显著降低延迟，让枯燥的安全流程变得流畅高效。
Givvy推出基于Jev模型的主动网络防御AI
通过邮件判定和公开信息搜索分析威胁，联动重新扫描与隔离阻断，并在AI不可用时继续规则判定。
Jev-guard 能否拦截仓库级 hook 预执行？
针对 Jev-guard 的安全边界提问：仓库自带的 .mcp.json 或 hooks 是否可能在信任检查前运行，以及 Jev-guard 能否提前拦截。
信息流里每 16 张、每一页都有一张。每周 $50，任意一周可停。
Jev模型在提示注入检测中的实验表现
实验在5000词文章中隐藏50个提示注入，Jev和Clef全部捕获且误报不超过1次，而Horizon Guard误报46次。
提示注入分类器对比：Jev在技术混淆上失误集中
对800个提示的测试显示，不同提示注入分类器在不同的攻击类型上失败。Jev的漏报集中在技术混淆，Clef在社交工程，Wolf在语言技巧和上下文操纵。Horizon Guard仅漏掉5个（但...）。
用 Claude + Jev 扫描车辆发现可疑信号
作者在考虑购车时对车辆进行扫描，在发动机熄火、手机飞行模式下，用 Claude 列出车内所有信号，并用 Jev 拨打了一个电话，最终发现 3 处不该存在的东西。
Sentry 用 Jev 每天筛查千万事件防范提示注入
据该帖，Sentry 正在使用 Jev 模型每日筛查 1000 万事件，日花费 263 美元，并测试自研分类器以求降本 90%。内容涉及编码代理面临的提示注入风险。
Sentry 每天花费 263 美元用 Jev 检测提示注入
Cloudflare Developers 介绍 Sentry 使用 Jev 筛查错误报告中的提示注入，每天处理 1000 万事件，花费 263 美元；团队正测试自研分类器，希望以 90% 的成本降幅达到同等精度。
Eryma：基于Jev的LLM安全项目
该项目专注于LLM安全，使用类似Jev的现代决策模型构建隔离层，并通过Garak进行红队测试，使检测命中率提升98.86%。
用Jev对所有访问做黑客判定以预防泄露
一条关于利用Jev对所有访问进行黑客判定来防止信息泄露的讨论。
