Explorer la possibilité de backdoors dans les modèles Jev
L'auteur lit des articles sur les modèles de décision de la famille Jev/KEV et tente de voir si un backdoor peut y être implanté comme dans un LLM normal. Link
THE JEV GUIDE · CURATED EDITION
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
Sponsors
Ces produits financent l’annuaire. Envie d’y voir le vôtre ?
L'auteur lit des articles sur les modèles de décision de la famille Jev/KEV et tente de voir si un backdoor peut y être implanté comme dans un LLM normal. Link
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.
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
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 %.
Troisième transaction via x402check.xyz. Jev/Eikos classe l'activité on-chain en temps réel pendant l'exécution de la transaction par l'agent ; si elle ne passe pas le filtre, la transaction n'est pas signée. Link
One card in the feed, every sixteen, on every page of it. $50 a week, cancel any week.
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.
LinkGuard est une extension Chrome gratuite, sans compte. Survolez un lien : il suit les redirections, vérifie les listes de menaces publiques, puis Jev décide en environ 0,2 s : sûr, à vérifier ou arnaque.
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 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.
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).
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.
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.
Star the project on GitHub to support continued updates and curation.