/رزومه
دانلود رزومهMohammad Raouf Abedini
پژوهش امنیت هوش مصنوعی · تیم قرمز عاملهای LLM · مهندسی امنیت تهاجمی و دفاعی
درباره
محقق امنیتی که سامانههایی برای سنجش و مهار توانمندیهای سایبری هوش مصنوعی پیشرو میسازد. سازندهی Project Simurgh، یک چارچوب گواهی مهار مستقل از ارائهدهنده که عاملهای LLM را تحت یک مدل تهدید خصمانه و مبتنی بر تولیدکنندهی نادرست تیم قرمز میکند و شواهد امضاشده با Ed25519 و قابلتأیید بهصورت آفلاین دربارهی آنچه یک عامل پس از عبور از یک محافظ انجام داده تولید میکند: مهار 138/138 موردِ ازقلمافتادهی دستهبند، کاهش موفقیت حملهی عامل زنده از 9/140 به 0/140 روی AgentDojo، و پنج قضیهی ماشینبررسیشده در Lean. خروجیهای Claude را از نظر کد قابلبهرهبرداری و دور زدن محافظها در برنامهی ارزیابی ایمنی Anthropic (از طریق Alignerr) ارزیابی کرده است. بهعنوان لایهی دفاعدرعمق مکملِ دستهبندهای درونخطی جای میگیرد: آنها آنچه را که یک مدل مجاز به گفتن آن است حاکمیت میکنند؛ این کار گواهی میدهد که یک عامل مجاز به انجام چه چیزی بوده است. تشخیص را بهصورت سرتاسری ارائه کرده است: یادگیری ماشین فیشینگ روی-دستگاه با F1 برابر 87% و تشخیص نفوذ بیدرنگ با 500K+ بسته در ثانیه. همبنیانگذار یک استارتاپ هوش مصنوعی دانشگاهی مورد حمایت شتابدهنده؛ 70+ پروژه منتشر شده.
پژوهش امنیتی
Project Simurgh
2026Project Simurgh — گواهی مهار قابلتأیید برای هوش مصنوعی عاملی (سازنده · AGPL-3.0)
توانمندیهای فنی
> زبانها
Python (اصلی)، C، C++، TypeScript، JavaScript، Swift، Kotlin، Bash، SQL، Go (آشنایی)
> امنیت و تهاجمی
پژوهش آسیبپذیری، توسعه اکسپلویت چندپلتفرمی (Win32 API، macOS ScreenCaptureKit)، مدلسازی تهدید، بازبینی کد امن، تست نفوذ، افشای مسئولانه (OWASP/FIRST/CISA)، Wireshark، Nmap، Burp Suite
> هوش مصنوعی و یادگیری ماشین
یکپارچهسازی و ارزیابی مدل زبانی بزرگ (LLM)، ارزیابی تولید تقویتشده با بازیابی (RAG)، محکزنی وفاداری استناد، پژوهش آسیبپذیری با کمک هوش مصنوعی، پردازش زبان طبیعی (NLP)، ابزارهای هوش مصنوعی مولد، ارزیابی مدل یادگیری ماشین، ارزیابی ریسک دوکاربردی
> سیستمها و ابزارها
Linux (Ubuntu/Kali)، CMake، Docker، Git/GitHub، GitHub Actions CI/CD، Google Test، FastAPI، Cloudflare Workers، libpcap
> چارچوبها
OWASP Top 10، MITRE ATT&CK، چارچوب NIST، مشخصات W3C Screen Capture
تحصیلات
لیسانس امنیت سایبری
Macquarie Universityدیپلم فناوری اطلاعات
Macquarie Universityپروژههای منتخب پژوهشی و مهندسی
The Invisible Window [افشاگری]
2026پژوهش آسیبپذیری با فرمت IEEE: بهصورت مستقل یک کلاس فرار از ضبط صفحهی چندپلتفرمی را کشف و بهصورت مسئولانه افشا کرد که با بهرهبرداری از APIهای تمایل نمایش در سطح سیستمعامل (Windows/macOS)، ضبط مبتنی بر مرورگر و خطوط لولهی بینایی هوش مصنوعی را ناکام میگذارد — فرار 100% در تمام پلتفرمهای آزمودهشده بدون هیچ مصنوع بصری در بیش از 10,000+ فریم تحلیلشده، افشای هماهنگشده به تولیدکنندگان سیستمعامل و سامانههای ناظر آزمون. DOI: 10.5281/zenodo.20376495.
Aion [RAG کتاب مقدس]
2026ساخت همراه کتاب مقدس مبتنی بر هوش مصنوعی و نگارش پیشچاپ Aion-BibleQA، معیاری ۴۰ پرسشی برای وفاداری استناد و استحکام در برابر پیشفرض نادرست — R@5 برابر ۰٫۹۴۱، میانگین پشتیبانی استناد ۰٫۹۷۸، بدون هیچ استناد بدونپشتوانه و ۶ از ۶ امتناع در برابر پیشفرض نادرست. DOI: 10.5281/zenodo.20522874.
NanoMatch [سیستمها]
2026مهندسی موتور تطبیق پرکارایی که بیش از ۱ میلیون سفارش در ثانیه را با تأخیر زیرمیکروثانیه پردازش میکند — پیادهسازی سطوح قیمت با درخت قرمز-سیاه، تخصیصدهنده استخر حافظه سفارشی و مجموعه آزمون جامع با محکهای تأخیر p50/p99.
SentinelFlow [IDS]
2026ساخت موتور پردازش بسته شبکه بیدرنگ که بیش از ۵۰۰ هزار بسته در ثانیه را تجزیه میکند — کالبدشکافی پروتکل (Ethernet/IPv4/TCP/UDP/ICMP/DNS)، موتور تشخیص مبتنی بر امضا و تحلیل حالتمند (اسکن پورت، سیل SYN).
Nexus Archive [فولاستک]
2025ارائهی پلتفرم دادهی فولاستک با موتور پیشنهاد مبتنی بر هوش مصنوعی، طراحی API رویدادمحور، محدودسازی نرخ و اسکن امنیتی خودکار — مالکیت سرتاسری از طرح پایگاهداده تا زیرساخت استقرار.
Mehr Guard [KOTLINCONF]
2024ساخت ابزار تشخیص تهدید آفلاین چندپلتفرمی با طبقهبندی مبتنی بر یادگیری ماشین محلی — ارائهشده به کنفرانس جهانی توسعهدهندگان KotlinConf.
سوابق حرفهای
مهندس امنیت و توسعهدهنده فولاستک آزادکار
خوداشتغالی · ژانویه ۲۰۲۴ – اکنونمدیر فناوری اطلاعات
داروخانه ایران · اوت ۲۰۱۹ – می ۲۰۲۴ایمنی هوش مصنوعی، رهبری و جامعه
- ● ارزیاب ایمنی هوش مصنوعی، Claude (Alignerr، برنامهی ارزیابی ایمنی هوش مصنوعی Anthropic، ۲۰۲۶): خروجیهای Claude را از نظر کد قابلبهرهبرداری ارزیابی کرد و تحلیل کرد که چگونه میتوان محافظهای ایمنی را دور زد، و یافتههای ساختارمند و مبتنی بر معیار ارائه داد (ادامهی کار پیشین ارزیابی Claude Code در ۲۰۲۴)
Co-Founder · Macquarie Persian Students Society
2026 – Presentانجمن دانشجویان ایرانی دانشگاه را بنیانگذاری کردم و در ادارهی آن مشارکت دارم — رویدادها، پشتیبانی همتا و برنامههای فرهنگی.
مجوزها و گواهینامهها
> Anthropic
AI Fluency for Students
AI Fluency for Educators
Introduction to Model Context Protocol
Building with the Claude API
AI Fluency: Framework & Foundations
Claude Code in Action
Introduction to Claude Cowork
Claude Platform 101
Claude Code 101
Claude 101
> Macquarie University
Cyber Security: GRC Part 2 — Risk Management and Compliance
99.20%Cyber Security: GRC Part 1 — Governance
95%Cyber Security: Mobile Security
99.28%Cyber Security: Applied Cryptography
98.56%Cyber Security: Data Security and Information Privacy
97.84%Cyber Security: Digital Forensics
95%Cyber Security: Identity Access Management and Authentication
100%Cyber Security: DevSecOps
99.10%Cyber Security: Application of AI
99.20%Cyber Security: Security of AI
95.50%Cyber Security: Essentials for Managers and Leaders
99.40%Cyber Security: Essentials for Workplace
92.80%Cyber Security: Essentials
96%