Jev und CodeGraph für Security Reviews
Das Projekt typesafe-security-review kombiniert Jevs Wahrscheinlichkeitsurteile mit einem Codegraphen und OWASP/CWE Daten für günstige Security Scans.
Vergleich von Prompt-Injection-Klassifikatoren: Jev-Fehler häufen sich bei technischer Verschleierung
Bei 800 Prompts versagen verschiedene Prompt-Injection-Klassifikatoren bei unterschiedlichen Angriffsarten. Jev-Fehler häufen sich bei technischer Verschleierung, Clef bei Social Engineering und Wolf bei sprachlichen Tricks und Kontextmanipulation. Horizon Guard verfehlt nur 5 (aber...).
Prompt-injection classifiers don't just differ in accuracy. They break on different attacks. Across 800 prompts, Jev misses cluster in technical obfuscation, Clef in social engineering, and Wolf's in linguistic tricks and context manipulation. Horizon Guard misses only 5 (but it
· 0 likesOpen on X
More like this
Jev erzielt 5-fach günstigere und genauere Ergebnisse in Sicherheits-Pipelines
Ein Nutzer teilt seine Erfahrung mit Jev in einer Sicherheits-Pipeline: über 5-fach günstiger, schneller und genauer als kleinere, weniger leistungsfähige Modelle.
Jev-Anwendungsfälle und Demo im Bereich KI-Sicherheit
Stellt Jev-Anwendungsfälle und eine Demo im Bereich KI-Sicherheit vor, die das Auswahl- und Wahrscheinlichkeitsmodell mit Unity AI Gateway und MLflow nutzen.
