JevとCodeGraphによるセキュリティレビュー
typesafe-security-reviewプロジェクトは、Jevの確率判断をコードグラフやOWASP/CWEデータと組み合わせ、低コストのセキュリティスキャンに使います。
800のプロンプトを対象としたテストで、プロンプトインジェクション分類器は攻撃タイプによって失敗が異なる。Jevの見逃しは技術的難読化に集中し、Clefはソーシャルエンジニアリング、Wolfは言語的トリックと文脈操作で失敗。Horizon Guardはわずか5件のみ見逃し(ただし...)。
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