Cómo funciona zn por dentro: mediciones que puedes reproducir, metodología y los fallos que corregimos por el camino.
En zn-gate 1.5.0 a 1.11.0, un comando de shell podía llegar a un archivo .env protegido por vías que el hook no comprobaba. Las clases de rutas, el diseño de la corrección de la 1.12.0 (GHSA-rccq-h3xc-j9qj) y qué recordar si escribes una protección para agentes de programación.
Hemos fusionado /analyze y /v30/analyze en un único endpoint que enruta cada petición por un nivel determinista de <50 µs, una puerta neuronal int8 de ~15 ms y un nivel Deep Analyze con mmBERT. La ingeniería, los nuevos límites de los planes y los números que medimos.
El viaje de ingeniería detrás de un modelo interno anterior en septiembre de 2026: por qué 64 tokens tocaron techo, cómo construimos 1.176 twins negativos, entrenamiento MLP en GPU H100 en 7.5 minutos y reducción de falsos positivos del 4.49% al 0.64% en nuestro propio conjunto de prueba.
Los atacantes parten palabras clave con comentarios, caracteres de ancho cero y letras parecidas. Esta entrada explica los pasos de normalización que zn-gate ejecuta antes de comparar, la velocidad del motor de reglas y lo que no cubre.
Nuestro detector de inyección puntuaba entre 0,498 y 0,509 en todo lo que le dábamos. La causa raíz fue un objetivo de entrenamiento que nunca vio una etiqueta, y la solución fue sencillísima: entrenamiento supervisado de extremo a extremo. La historia completa de la depuración, la receta, las cifras y lo que la nueva puerta todavía no puede hacer.
Nuestra puerta fusionada superó a un modelo de Meta en nuestro benchmark, y luego encontramos texto benigno real puntuando por encima de los ataques dentro de nuestro propio clasificador. Una autopsia del fallo de un checkpoint anterior y la reconstrucción completa del corpus: plantillas por familia, parafraseos deterministas, particiones conscientes de grupos y los huecos que dejamos abiertos a propósito.