Untersuchung der Möglichkeit von Hintertüren in Jev-Modellen
Der Autor liest Papiere über Entscheidungsmodelle der Jev/KEV-Familie und versucht herauszufinden, ob man wie bei einem normalen LLM eine Hintertür einbauen kann. Link
THE JEV GUIDE · CURATED EDITION
Launch News, Erklärungen, Demos und Community Projekte rund um TypeSafe Jev, nach Themen geordnet. Jeder Eintrag verweist auf die Quelle bei X.
Kuratierte Auswahl · Nicht vollständig · Manuell aktualisiert
Sponsors
Diese Produkte finanzieren das Verzeichnis. Ihres auch hier?
Der Autor liest Papiere über Entscheidungsmodelle der Jev/KEV-Familie und versucht herauszufinden, ob man wie bei einem normalen LLM eine Hintertür einbauen kann. Link
Jev (jev-1.13.0), Clef und Clef-flash wurden mit nur Betreffzeilen getestet (60 betrügerische Betreffe vs. 79 offizielle Seitentitel). Direktes Fragen war ungeeignet; das Kombinieren von Merkmalsantworten ergab AUC 0,90–0,93, aber 15–25 % wurden übersehen. Echte E-Mails wurden nicht getestet.
Jev-IDS nutzt TypeSafes System-One-Modell für NIDS, ohne große gelabelte Datensätze oder teure LLMs. Es verarbeitet einen Flow pro Anfrage und stellt zwei Fragen (Angriff + Kategorie) – 22-mal günstiger als Gemini 3.6 Flash. Link
Beim AI Swarm Dynamics Hackathon nutzte Aditya Rao Jev von TypeSafe AI, um Chatprotokolle von KI-Agenten zu lesen und geheime Absprachen mit 85 % Genauigkeit zu erkennen.
Dritte Transaktion über x402check.xyz. Jev/Eikos klassifiziert On-Chain-Aktivitäten in Echtzeit, während der Agent die Transaktion ausführt; besteht sie das Gate nicht, wird die Transaktion nicht signiert. Link
One card in the feed, every sixteen, on every page of it. $50 a week, cancel any week.
Von 200 E-Mails fing ein Schlüsselwortfilter nur 9 echte Phishing-E-Mails, während Jev 181 in jeweils 262 ms fing. Jev hat auch 9 normale E-Mails markiert (der Filter markierte 1), die meisten davon echte Rückerstattungen, die Betrug sehr ähnlich sehen. Der Autor wird diese 9 Rückerstattungen prüfen, um 172 weitere Phishing-Versuche zu stoppen.
LinkGuard ist eine kostenlose Chrome-Erweiterung ohne Konto. Bewegen Sie den Mauszeiger über einen Link: Er folgt Weiterleitungen, prüft öffentliche Bedrohungslisten, und Jev entscheidet in etwa 0,2 s: sicher, erst prüfen oder Betrug.
davepoon testete Jev mit 200 echten Phishing-E-Mails von 2025: Jev erkannte 181 (alter Keyword-Filter nur 9) bei 262 ms pro E-Mail; zusätzlich markierte es 9 von 200 normalen E-Mails (alter Filter: 1).
Cloudflare veröffentlicht das Open-Source-Entscheidungsmodell Clef (27B/Flash 9B) mit 64k-Kontext, Vision, Apache-2.0-Lizenz und Jev-API-Kompatibilität. Jetzt auf Workers AI verfügbar. Die gemessene Latenz ist deutlich niedriger als bei Jev, und die Domain-Klassifizierung in der Bedrohungsanalyse ist etwa 2-mal schneller als gpt-oss-120b.
Ein Entwickler zeigt, wie Sonnet 5.5 mit dem Jev-Entscheidungsmodell von TypeSafe kombiniert wird, um Phishing-E-Mails auf einer E-Mail-Marketing-Plattform in Echtzeit zu erkennen. Jeder Punkt steht für eine E-Mail; Jev prüft jede, bevor sie den Posteingang erreicht (Demodaten).
Ein Entwickler hat eine Open-Source-Sicherheitsschicht namens Jev Guard erstellt, die das Jev (System One) Modell von TypeSafe verwendet. Die geschätzten Modellkosten für 1 Million Sicherheitsprüfungen betragen nur 42 $ und schützen Benutzernachrichten, RAG-Dokumente, MCP usw.
Dieser Beitrag zeigt, wie man mit einem TypeSafe-AI-Jev- oder OpenRouter-Schlüssel Spam und Phishing in iMessage automatisch blockiert. Er betont den Open-Source-Charakter und empfiehlt die Installation für ältere Eltern.
Star the project on GitHub to support continued updates and curation.