Jev와 CodeGraph를 활용한 보안 리뷰
typesafe-security-review 프로젝트는 Jev의 확률 판단을 코드 그래프와 OWASP/CWE 데이터와 결합해 저비용 보안 스캔에 활용합니다.
BANKING77에서 Jev 모델 평가 및 적대적 주입 분석
참조된 블로그에 따르면 Jev는 BANKING77에서 zero-shot 정확도 81.2%로 MiniLM+선형 헤드의 89.9%보다 낮습니다. 주입된 텍스트는 예측 확률을 0.76에서 0.48로 이동시켜 잠재적 보안 위험을 시사합니다.
⚠️ Caveats: • Vendor evals score agreement with GPT-6 Astra + Fable 5.1, not ground truth • BANKING77 (@manojlds): MiniLM + linear head 89.9%, Jev zero-shot 81.2% • Injected text moved a block prob 0.76 → 0.48 https://stacktoheap.com/blog/2026/09/22/jev-attack-of-the-classifiers/…
· 1 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.
