跳转到主要内容
系统在线 · Sydney, NSW

Mohammad Raouf Abedini

人工智能 +网络安全

研究

"寻找,就寻见" — 马太福音 7:7构建用于测量和遏制前沿人工智能网络能力的系统。Project Simurgh 的创建者——一个遏制证明框架,对 LLM 智能体进行红队测试,并生成经签名、可离线验证的证据,记录智能体在越过防护后被允许执行的操作:遏制了分类器漏判的 138/138 个案例,并在 AgentDojo 上将实时智能体的攻击成功率从 9/140 降至 0/140。在 Anthropic 的安全评估项目中评估 Claude 的输出。致力于让防御方在应对前沿 AI 网络风险时占据优势。

Claude 安全评估员 · AlignerrAI 安全研究员麦觉理大学 · 2026年11月
系统在线人工智能安全研究大语言模型代理红队测试遏制证明PROJECT SIMURGHCLAUDE 安全评估员 · ALIGNERR负责任披露THE INVISIBLE WINDOW孵化器支持的初创公司降低人工智能灾难性风险70+ 个已发布项目随时可搬迁 · SAN FRANCISCO系统在线人工智能安全研究大语言模型代理红队测试遏制证明PROJECT SIMURGHCLAUDE 安全评估员 · ALIGNERR负责任披露THE INVISIBLE WINDOW孵化器支持的初创公司降低人工智能灾难性风险70+ 个已发布项目随时可搬迁 · SAN FRANCISCO

已部署系统

01.项目

[OPS] 攻击性
IEEE 格式论文2026

Invisible Window Research

IEEE 格式的研究论文,揭示了基于 WebRTC 的在线监考系统中的结构性漏洞。利用记录在案的 OS 显示 API,在 Windows 和 macOS 上实现 100% 规避。

Security ResearchWindowsmacOSWebRTCResponsible DisclosurePoC
[SEC] 防御性
关联 INVISIBLE WINDOW2026

Project Simurgh

面向智能体 AI 的、与提供方无关的可验证遏制证明框架,由《The Invisible Window》研究的防御性对应项演进而来。生成 Ed25519 签名、可离线复现的证据,记录在防护失效后 AI 智能体被允许做了什么——遏制了分类器漏掉的 138/138 个案例,并在 AgentDojo 上将一个实时智能体的攻击成功率从 9/140 降至 0/140。

Containment AttestationAgentic AI SafetyPrompt-InjectionEd25519LLM Red-TeamingAGPL-3.0
[SYS] 工程
本地优先 · MCP 代理记忆2026

Project Zurvan

本地优先的 LLM 知识引擎。摄取任意文档,提取结构化知识(声明、概念、实体、决策),并通过 MCP stdio 服务器将其暴露给 AI 代理。218 个测试通过。

PythonLLMMCPKnowledge GraphSQLiteLocal-firstAI Agents
[SEC] 防御性2024

Mehr Guard

优先考虑隐私的离线 QR 和 URL 安全扫描器,使用 Kotlin Multiplatform 构建。100% 离线分析,支持 5 个目标平台。

KMPSecurity ToolAndroidiOSDesktopWeb
[SYS] 工程2026

Syllabus-Sync

人工智能原生的校园操作系统,将大学 PDF 教学大纲转化为结构化的、代理可读的数据。已被麦考瑞大学孵化器录取为正式创业公司。包含全套学生操作套件,涵盖 92 个文件中的 503 个测试。

MQ Incubator StartupNext.js 16SupabaseTypeScript
[SYS] 工程2024

GitSwitch

人工智能驱动的 Git 客户端,用于管理多个身份并生成语义化提交。使用 Electron 和 React 构建。

ElectronReactTypeScriptAI
[SYS] 工程2026

Nexus Archive

赛博朋克风个人媒体库,使用 React 前端、Litestar API 和 Supabase 身份验证。人工智能辅助推荐、加密记录和增强的基于 cookie 的身份验证。

ReactPythonLitestarSupabase

运作原则

02.理念

R

研究

对 LLM 智能体进行红队测试,测量前沿人工智能的网络能力提升。界定安全边界,以经签名、可离线验证的证据遏制防护越界,并发布可重现的研究结果。

  • + LLM 智能体红队测试与遏制
  • + 人工智能安全与大语言模型评估
  • + 双重用途风险评估
S

防御

赋予防御方优势的纵深防御。将攻击性研究——漏洞类别与针对智能体的攻击行动——转化为可验证的遏制机制和现实世界的防御工具。

  • + 跨平台漏洞开发
  • + 负责任披露(OWASP/FIRST/CISA)
  • + 可验证的遏制证明
实验室/ 活动_运营

漏洞研究与人工智能安全实验。当前工作:跨平台漏洞开发、人工智能能力提升测量以及安全边界界定。

漏洞研究人工智能安全漏洞开发负责任披露
进入实验室

技术写作

03.文章