简历
原始简历 · 英文 PDF
Mohammad Raouf Abedini
人工智能安全研究 · 大语言模型智能体红队测试 · 攻击性与防御性安全工程
- 澳大利亚悉尼 · 现可搬迁至加州 San Francisco · 可随时出差（Washington, DC） · 需要签证担保
- [email protected]
关于
安全研究员，致力于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——一个与提供方无关的遏制证明框架，在对抗性的、不诚实生产者威胁模型下对大语言模型智能体进行红队测试，并生成经 Ed25519 签名、可离线验证的证据，记录智能体在护栏失效后的行为：遏制了 138/138 个分类器漏检的案例，在 AgentDojo 上将运行中的智能体的攻击成功率从 9/140 降至 0/140，五个经机器验证的 Lean 定理。在 Anthropic 的安全评估项目中（通过 Alignerr）评估了 Claude 输出的可利用代码与护栏绕过情况。定位为与内联分类器互补的纵深防御层：分类器管控模型可以说什么，而本框架则证明智能体被允许做什么。端到端交付检测能力：设备端钓鱼检测机器学习模型达到 87% F1，实时入侵检测达到每秒 500K+ 数据包。一家孵化器支持的校园人工智能初创公司的联合创始人；已发布 70+ 个项目。
安全研究
Project Simurgh
2026Project Simurgh —— 面向智能体型人工智能的可验证遏制证明（创建者 · AGPL-3.0）
- 构建了一个与提供方无关的框架，生成经 Ed25519 签名、可离线复现的证据，记录人工智能智能体在护栏失效后的行为，覆盖四个遏制边界：输入防火墙、上下文来源守卫、工具调用门控，以及输出泄露防火墙——均在对抗性的、不诚实生产者威胁模型下进行
- 护栏失效遏制：在一个 180 案例的运行集上捕获了真实的 Llama Guard 4（12B）输入分类器，并遏制了该分类器漏检的 138/138 个恶意案例（其中 120 个是仅检查输入的分类器在结构上无法看到的下游注入案例，18 个是直接输入漏检）；综合目标攻击成功率为 0/150，且零不安全工具执行或数据导出
- 运行中的智能体遏制：驱动一个自托管的 Llama-3.3-70B 通过 AgentDojo 的工作区套件（140 个预注册注入案例）；工具权限门控将目标攻击成功率从 9/140 降至 0/140，同时保持了良性任务的可用性
- 定位为与 Anthropic 内联分类器互补的纵深防御层——分类器管控模型可以说什么，而证明则管控智能体被允许做什么（非主张部分经签名并明确说明，包括它本身无法捕获 2026 年 6 月的内容生成绕过）
- 对自身的证明发起攻击（覆盖八类攻击的红队扫描 → detector-v2），并以五个经机器验证的 Lean 定理对监督机制进行形式化检验；以单条命令即可离线复现一个 12 级的签名发布阶梯；3,057 项自动化测试
技术能力
编程语言
Python（主要）、C、C++、TypeScript、JavaScript、Swift、Kotlin、Bash、SQL、Go（熟悉）
安全与攻击性
漏洞研究、跨平台漏洞开发（Win32 API、macOS ScreenCaptureKit）、威胁建模、安全代码审查、渗透测试、负责任披露（OWASP/FIRST/CISA）、Wireshark、Nmap、Burp Suite
人工智能与机器学习
大语言模型（LLM）集成与评估、检索增强生成（RAG）评估、引用忠实度基准测试、人工智能辅助漏洞研究、自然语言处理（NLP）、生成式人工智能工具、机器学习模型评估、双重用途风险评估
系统与工具
Linux（Ubuntu/Kali）、CMake、Docker、Git/GitHub、GitHub Actions CI/CD、Google Test、FastAPI、Cloudflare Workers、libpcap
框架
OWASP Top 10、MITRE ATT&CK、NIST 框架、W3C Screen Capture 规范
教育背景
网络安全学士
信息技术文凭
精选研究与工程项目
The Invisible Window披露
2026IEEE 格式漏洞研究：独立发现并负责任地披露了一类使用 Windows/macOS 公开显示 API 的屏幕捕获规避方法。在受测实验室配置中实现 100% 规避，在超过 10,000 帧分析中未见视觉伪影。未测试商用监考产品或 Linux；macOS 26 使用原生捕获工具，而非浏览器 getDisplayMedia()。结论反映截至 2026 年 3 月的受测软件版本。已与操作系统厂商协调披露。DOI：10.5281/zenodo.20376495。
Aion圣经 RAG
2026构建了人工智能驱动的圣经伴读应用，并撰写了 Aion-BibleQA——一篇 8 页预印本，提出了一个 40 题基准，用于评估引用忠实度与对错误前提的鲁棒性——R@5 = 0.941，平均引用支持度 = 0.978，零无依据引用，且对错误前提的拒答率为 6/6。DOI：10.5281/zenodo.20522874。
NanoMatch系统
2026设计了高性能撮合引擎，以亚微秒级延迟处理每秒 100 万以上订单——实现了基于红黑树的价格档位、自定义内存池分配器，以及包含 p50/p99 延迟基准的完整测试套件。
SentinelFlowIDS
2026构建了实时网络数据包处理引擎，每秒解析 50 万以上数据包——支持协议解析（Ethernet/IPv4/TCP/UDP/ICMP/DNS）、基于特征的检测引擎，以及有状态分析（端口扫描、SYN 洪泛）。
Nexus Archive全栈
2025上线了一个全栈数据平台，配备人工智能推荐引擎、事件驱动的 API 设计、速率限制及自动化安全扫描——从数据库架构到部署基础设施的端到端负责。
Mehr GuardKotlinConf
2024构建了具备本地机器学习分类能力的跨平台离线威胁检测工具——已提交至 KotlinConf 全球开发者大会。
GitHub 上另有 70 多个公开项目，涵盖漏洞研究、系统编程、人工智能/机器学习工具及云基础设施： github.com/Raoof128（在新标签页中打开）
职业经历
自由职业安全工程师与全栈开发者
- 在 Supabase 上为生产级、多前端平台架构安全后端：WebAuthn 通行密钥、TOTP/短信多因素认证（MFA）、零信任边缘中间件、分布式速率限制、严格的 Postgres 行级安全（RLS），以及通过 SECURITY DEFINER RPC 实现的防篡改审计日志
- 构建了包含 500 多项自动化安全测试的 CI/CD（GitHub Actions），将部署漏洞减少约 40%；为 1,000 名以上用户交付了以安全为先的应用，采用 OWASP Top 10 控制措施与 OAuth 2.0
- 在 Airtasker 上，31 条客户评价与 35 项已完成任务中保持 5.0 星评分（95% 完成率，已通过身份验证），为付费客户提供 Web 开发、Python、API 集成以及 IT/安全工作
IT 经理
- 在一个多站点组织中管理技术基础设施长达 5 年——维持 99% 的系统正常运行时间，实施基于角色的访问控制（RBAC），并通过 Python/Bash 脚本自动化运营工作流（人工任务减少约 30%）
人工智能安全、领导力与社区
- 人工智能安全评估员，Claude（Alignerr，Anthropic 人工智能安全评估项目，2026 年）：评估 Claude 输出的可利用代码，并分析安全护栏如何被绕过，提供结构化、基于评分标准的发现（延续先前 2024 年 Claude Code 评估工作）
联合创始人 · 麦考瑞波斯学生社团
2026 – 至今创立并协助运营大学的波斯学生社区——活动、同伴支持和文化项目。
许可证与认证
证书名称保留原始英文，便于核验。
Anthropic (20)
AI Fluency for Builders
AI Fluency for Small Businesses
AI Capabilities and Limitations
Introduction to Subagents
Introduction to Agent Skills
AI Fluency for Nonprofits
Teaching the AI Fluency Framework
Claude on Google Cloud
Claude with Amazon Bedrock
Model Context Protocol: Advanced Topics
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
麦考瑞大学 (13)
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%补充信息
- 现可搬迁至 San Francisco；可立即入职（最后一个学期已在线完成）。需要签证担保。
- 英语（专业工作水平） · 波斯语/Farsi（母语） · 日语（初级）