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.
Jev zur Klassifizierung von Betrugs-E-Mails: Parameter und Schwellenwerte
Der Autor untersucht das Jev-Modell von TypeSafe AI für Sicherheitsanwendungen, betont die Notwendigkeit geeigneter Parameter und Schwellenwerte und veröffentlicht ein Betrugs-E-Mail-Klassifizierungsprojekt.
I was exploring Jev by @typesafeai AI for safety use cases and it is an impressive and useful model, however don't expect it to magically auto classify any data without proper parameters and thresholds (see finding below). I open-sourced a scam-email classification where you can
· 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.
