Jev 보안 검토 활용 사례

X 게시물 1,010개의 연결을 추적해 22개 의심 사기 조직으로 분류

필터 목록 없이 페이지 요소의 광고 여부를 판별해 광고 16개를 제거하고 결과를 캐시

스킨케어·웰니스 광고 1,968개를 각각 33개 질문으로 평가해 36초 만에 64,944개 답변을 생성

나이, 인종, 성별, 인간, AI가 관련된 라벨 윤리 딜레마에서 선택 확률을 측정

Tibo 게시물이 Codex 할당량 초기화를 유발할 확률을 평가

설정 가능한 매개변수와 임계값으로 사기 이메일을 분류하고 안전성 검증 버전을 공개

패치의 의미적 위험을 검토해 문제를 숨긴 변경 3개를 343밀리초에 탐지

에이전트에 판단 게이트를 추가해 실행 전에 SEO 콘텐츠, 채용 근거, 제작 영상을 검사

ChatGPT가 작성한 문서를 전체 검사해 인용 자료에 근거 없는 설명을 찾기

수천 가지 다국어 금칙어 철자와 변형을 탐지해 채팅을 실시간 검토

Mythic에서 명령 OPSEC를 실시간 채점하고 표현식 유형을 식별

가짜 관리자, 비밀 추출, 무해한 공격 인용을 포함한 8개 요청으로 AI 게이트를 시험

URL, 앵커 텍스트, 페이지 제목으로 약 0.5초에 안전, 의심, 사기를 분류

페이지 콘텐츠를 실시간 분류해 아동 안전 정책을 위반하는 자료를 차단

텍스트가 다른 AI에 들어가기 전에 개인 식별 정보를 탐지하고 분류와 의미 검색의 적합성을 비교

엣지 기기에서 통화 의도와 개 짖는 소리를 판별해 구조화 JSON으로 반환

코딩 에이전트 도구 호출을 허용·질문·차단으로 판정하고 알려진 위협은 약 40ms 안에 규칙으로 거부

얼굴·손가락·문자·숫자·자세를 검사해 AI 생성 의심 사진을 표시

보정된 구조화 판단으로 댓글 100개를 실시간 검토해 비용 0.002171달러

실시간 텍스트를 직접 검토하고 이미지·영상은 로컬 OCR이나 모델 설명을 거쳐 판단

명령어 입력 중 위험을 알리고 라벨이 지정된 명령 200개를 평가

제안된 모든 에이전트 행동을 6개 안전 요소로 평가한 뒤 결정당 0.001달러로 실행 또는 보류를 선택

오염된 RAG 코퍼스의 인용을 필터링해 에이전트가 저품질 자료를 인용하지 않도록 방지

동일한 기준으로 Supabase RLS 정책을 검사해 Jev, GPT, Gemini의 누출 탐지, 속도, 비용을 비교