Como o zn funciona por dentro: medições que você pode reproduzir, metodologia e as falhas que corrigimos pelo caminho.
No zn-gate 1.5.0 a 1.11.0, um comando de shell podia chegar a um arquivo .env protegido por caminhos que o hook não verificava. As classes de caminhos, o design da correção da 1.12.0 (GHSA-rccq-h3xc-j9qj) e o que lembrar ao escrever uma proteção para agentes de programação.
Fundimos /analyze e /v30/analyze num único endpoint que encaminha cada requisição por um nível determinístico de <50 µs, uma porta neural int8 de ~15 ms e um nível Deep Analyze com mmBERT. A engenharia, os novos limites das assinaturas e os números que medimos.
A jornada de engenharia de um modelo interno anterior em setembro de 2026: por que 64 tokens atingiram o teto, como construímos 1.176 twins negativos, treinamento MLP em GPU H100 em 7,5 min e queda de falsos positivos de 4.49% para 0.64% no nosso próprio conjunto de teste.
Os atacantes partem palavras-chave com comentários, caracteres de largura zero e letras parecidas. Este post explica os passos de normalização que o zn-gate executa antes de comparar, a velocidade do motor de regras e o que ele não cobre.
A nossa porta fundida superou um modelo da Meta no nosso benchmark, e depois encontramos texto benigno real pontuando acima dos ataques dentro do nosso próprio classificador. Uma autópsia da falha de um checkpoint anterior e a reconstrução completa do corpus: blueprints por família, paráfrases determinísticas, divisões sensíveis a grupos e as lacunas que deixamos abertas de propósito.
O nosso detector de injeção dava pontuações entre 0,498 e 0,509 para tudo o que apresentávamos a ele. A causa raiz foi um objetivo de treino que nunca viu um rótulo, e a correção foi embaraçosamente comum: treino supervisionado de ponta a ponta. A história completa da depuração, a receita, os números e aquilo que a nova porta ainda não consegue fazer.