Jev und CodeGraph für Security Reviews
Das Projekt typesafe-security-review kombiniert Jevs Wahrscheinlichkeitsurteile mit einem Codegraphen und OWASP/CWE Daten für günstige Security Scans.
Leistung des Jev-Modells bei der Erkennung von Phishing
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).
Decision models for content moderation? I put Jev on phishing 200 real phishing emails from 2025 Our old keyword filter caught 9 Jev caught 181 20x more, at 262 ms an email It also flagged 9 of 200 normal emails (the old filter: 1)
· 1 likesOpen on X
More like this
Jev erzielt 5-fach günstigere und genauere Ergebnisse in Sicherheits-Pipelines
Ein Nutzer teilt seine Erfahrung mit Jev in einer Sicherheits-Pipeline: über 5-fach günstiger, schneller und genauer als kleinere, weniger leistungsfähige Modelle.
Jev-Anwendungsfälle und Demo im Bereich KI-Sicherheit
Stellt Jev-Anwendungsfälle und eine Demo im Bereich KI-Sicherheit vor, die das Auswahl- und Wahrscheinlichkeitsmodell mit Unity AI Gateway und MLflow nutzen.
