Jev와 CodeGraph를 활용한 보안 리뷰
typesafe-security-review 프로젝트는 Jev의 확률 판단을 코드 그래프와 OWASP/CWE 데이터와 결합해 저비용 보안 스캔에 활용합니다.
Jev 모델 실측: 사기 이메일 제목 식별
Jev(jev-1.13.0), Clef, Clef-flash를 제목만으로 사기 이메일 식별 실측(사기 제목 60건, 공식 사이트 제목 79건). 직접 질문은 부적합하며, 특징을 묻고 합산하면 AUC 0.90~0.93이지만 15~25%는 놓침. 실제 이메일은 검증하지 않음.
詐欺メールの件名だけで AI は見分けられるか。Jev（jev-1.13.0）・Clef・Clef-flash に件名のみを入力し、詐欺の件名60件と公式サイトの題名79件で実測。直接「詐欺か」と聞くのは不向き。特徴を聞いて合算すると AUC 0.90〜0.93、ただし15〜25%は見逃す。本物のメールは未検証。
· 0 likesOpen on X
More like this
Jev, 보안 파이프라인에서 5배 저렴하고 더 높은 정확도 달성
사용자가 보안 파이프라인에서 Jev를 사용한 경험을 공유: 더 작고 성능 낮은 모델보다 5배 이상 저렴하고 빠르며 정확도가 높음.
AI 보안 분야에서의 Jev 활용 사례와 데모
AI 보안 분야에서 Jev의 활용 사례와 데모를 소개하며, 선택과 확률 모델 특성을 활용해 Unity AI Gateway 및 MLflow와 연동해 검사를 수행한다.
