THE JEV GUIDE · CURATED EDITION

Cybersécurité.

Annonces, explications, démos et projets communautaires autour de TypeSafe Jev, organisés par thème. Chaque entrée renvoie à sa source sur X.

Sélection curée · Non exhaustive · Mise à jour manuelle

5419posts curés
2789vidéos originales

Test de Jev : détection des objets d'e-mails frauduleux

Test de Jev (jev-1.13.0), Clef et Clef-flash sur la détection de fraudes en utilisant uniquement les objets d'e-mails (60 objets frauduleux contre 79 titres de sites officiels). La question directe est inefficace ; en interrogeant les caractéristiques puis en combinant, l'AUC atteint 0,90–0,93, mais 15–25 % passent inaperçus. E-mails réels non testés.

Video frame from the original post: Test de Jev : détection des objets d'e-mails frauduleux

Jev-IDS : Modèle System One pour la détection d'intrusions réseau

Jev-IDS applique le modèle System One de TypeSafe à la détection d'intrusions réseau, sans grandes quantités de données labellisées ni LLM coûteux. Il traite un flux par requête et pose deux questions (attaque + catégorie), coûtant 22 fois moins cher que Gemini 3.6 Flash. Link

Jev-IDS : Modèle System One pour la détection d'intrusions réseau · original post image 1Jev-IDS : Modèle System One pour la détection d'intrusions réseau · original post image 2Jev-IDS : Modèle System One pour la détection d'intrusions réseau · original post image 3

Jev détecte la collusion entre agents IA via les chats

Lors du hackathon AI Swarm Dynamics, Aditya Rao a utilisé Jev de TypeSafe AI pour lire les journaux de discussion des agents IA et identifier les collusions secrètes avec une précision de 85 %.

Jev détecte la collusion entre agents IA via les chats · original post image 1

Jev détecte efficacement les e-mails de phishing

Sur 200 e-mails, un filtre par mots-clés n'a capturé que 9 vrais e-mails de phishing, tandis que Jev en a capturé 181 en 262 ms chacun. Jev a également signalé 9 e-mails normaux (le filtre en a signalé 1), dont la plupart étaient de vrais remboursements qui ressemblent beaucoup à des arnaques. L'auteur vérifiera ces 9 remboursements pour bloquer 172 autres tentatives de phishing.

Performance du modèle Jev dans la détection de phishing

davepoon a testé Jev sur 200 e-mails de phishing réels de 2025 : Jev en a détecté 181 (contre 9 pour l'ancien filtre) à 262 ms par e-mail ; il a aussi signalé 9 e-mails normaux sur 200 (ancien filtre : 1).

Cloudflare Clef : modèle de décision open source compatible Jev API

Cloudflare lance le modèle de décision open source Clef (27B/Flash 9B) avec contexte 64k, vision, licence Apache 2.0, compatible Jev API, désormais sur Workers AI. La latence mesurée est bien inférieure à celle de Jev, et la classification de domaines en threat intelligence est environ 2 fois plus rapide que gpt-oss-120b.

Cloudflare Clef : modèle de décision open source compatible Jev API · original post image 1

Création d'un radar anti-hameçonnage en temps réel avec Jev

Un développeur montre comment combiner Sonnet 5.5 avec le modèle de décision Jev de TypeSafe pour détecter en temps réel les e-mails de phishing sur une plateforme de marketing par e-mail. Chaque point représente un e-mail ; Jev vérifie chacun avant qu'il n'atteigne la boîte de réception (données de démonstration).

Jev Guard : couche de sécurité open source pour agents IA basée sur Jev

Un développeur a créé une couche de sécurité open source, Jev Guard, utilisant le modèle Jev (System One) de TypeSafe. Le coût modèle estimé pour 1 million de contrôles de sécurité n'est que de 42 $, couvrant les messages utilisateur, les documents RAG, MCP, etc.

Jev Guard : couche de sécurité open source pour agents IA basée sur Jev · original post image 1

Bloquez automatiquement spam et phishing dans iMessage avec Jev

Ce post explique comment utiliser une clé Jev de TypeSafe AI ou OpenRouter pour bloquer automatiquement spam et phishing dans iMessage, en soulignant le côté open source et en recommandant l'installation pour les parents âgés.

Bloquez automatiquement spam et phishing dans iMessage avec Jev · original post image 1