Invisible Window Research
مقاله تحقیقاتی با فرمت IEEE که آسیبپذیری ساختاری در نظارت بر امتحانات مبتنی بر WebRTC را فاش میکند. فرار ۱۰۰ درصدی در ویندوز و مک با استفاده از APIهای مستند سیستمعامل.
"بجویید تا بیابید" — متی ۷:۷ساخت سیستمهایی برای اندازهگیری و مهار توانمندیهای سایبری هوش مصنوعی مرزی. سازنده Project Simurgh — چارچوبی برای گواهیِ مهار که عاملهای LLM را رِدتیم میکند و شواهد امضاشده و بهصورت آفلاین قابلراستیآزمایی از آنچه یک عامل پس از عبور از نگهبان مجاز به انجامش بوده تولید میکند: مهار 138/138 موردِ ازقلمافتاده توسط دستهبند و کاهش موفقیت حمله از 9/140 به 0/140 روی AgentDojo. ارزیاب خروجیهای Claude در برنامه ارزیابی ایمنی Anthropic. تلاش برای برتریدادن به مدافعان در برابر خطرات سایبری هوش مصنوعی پیشرفته.
مقاله تحقیقاتی با فرمت IEEE که آسیبپذیری ساختاری در نظارت بر امتحانات مبتنی بر WebRTC را فاش میکند. فرار ۱۰۰ درصدی در ویندوز و مک با استفاده از APIهای مستند سیستمعامل.
چارچوب گواهی مهارِ قابلراستیآزمایی و مستقل از ارائهدهنده برای هوش مصنوعی عاملمحور، برآمده از همتای دفاعیِ تحقیقات The Invisible Window. شواهد امضاشده با Ed25519 و بازتولیدپذیر بهصورت آفلاین از آنچه یک عامل هوش مصنوعی پس از عبور از حفاظ مجاز به انجامش بوده تولید میکند — ۱۳۸ از ۱۳۸ مورد ازدسترفته توسط طبقهبند را مهار کرد و نرخ موفقیت حمله یک عامل زنده را در AgentDojo از ۹ از ۱۴۰ به ۰ از ۱۴۰ رساند.
موتور دانش مبتنی بر هوش مصنوعی و محلیمحور. اسناد را دریافت میکند، دانش ساختاریافته استخراج میکند و از طریق سرور MCP در اختیار عاملهای هوش مصنوعی قرار میدهد. ۱۸۳ آزمون موفق.
اسکنر امنیتی QR و URL آفلاین با اولویت حریم خصوصی که با Kotlin Multiplatform ساخته شده است. آنالیز ۱۰۰٪ آفلاین با ۵ پلتفرم هدف.
سیستمعامل دانشگاهی بومی هوش مصنوعی که سرفصلهای PDF دانشگاه را به دادههای ساختاریافته و قابل خواندن توسط عامل تبدیل میکند. پذیرفتهشده در مرکز رشد دانشگاه مککواری بهعنوان یک استارتاپ رسمی. مجموعه کامل عملیات دانشجویی با ۵۰۳ تست.
کلاینت گیت مجهز به هوش مصنوعی برای مدیریت چندین هویت و ایجاد کامیتهای معنایی. ساخته شده با Electron و React.
مخزن رسانهای شخصی با سبک سایبرپانک با فرانتاند React، ایپیآی Litestar و احراز هویت Supabase. توصیههای مجهز به هوش مصنوعی و احراز هویت سختگیرانه مبتنی بر کوکی.
رِدتیمِ عاملهای LLM و اندازهگیری ارتقای توانمندی سایبری هوش مصنوعی مرزی. شناسایی مرزهای ایمنی، مهار عبور از نگهبانها با شواهد امضاشده و آفلاینراستیآزمایی، و انتشار یافتههای قابل تکرار.
دفاع لایهلایه که برتری را به مدافعان میدهد. پژوهش تهاجمی — کلاسهای اکسپلویت و کمپینهای حمله به عاملها — به مهار قابلراستیآزمایی و ابزار دفاعی دنیای واقعی تبدیل میشود.
تحقیق عملی در مورد آسیبپذیری و آزمایش ایمنی هوش مصنوعی. کارهای فعلی: توسعه اکسپلویت چند پلتفرمی، اندازهگیری ارتقای توانمندی هوش مصنوعی و مشخصهسازی مرزهای ایمنی.