FACTORY ZERO

FZ-009 · SEGURIDAD

promptdecode

Encuentra texto invisible en revisiones de código que un revisor humano pasaría por alto.

Alfa VALIDACIÓN FZ stackFiltrado de texto ocultoCódigo abierto
Visitar promptdeco.de Lanzado: TODAVÍA NO
Estado
Alfa
Etapa del pipeline
VALIDACIÓN
Sector
SEGURIDAD
Objetivo de autonomía
NIVEL 4 · AUTOOPTIMIZABLE
Construido con
3 activos · 1 planificado

El problema

Un texto oculto en un pull request o un issue puede ordenar a un agente de programación que fusione, y el revisor nunca lo ve.

Qué hace

promptdecode decodifica el texto Unicode oculto en tu navegador, no envía nada y muestra lo que dice.

Cómo funciona

  1. Pega cualquier texto y revela los caracteres ocultos y decodifica su mensaje
  2. Funciona por completo en tu navegador; no se envía nada a ninguna parte
  3. Un escáner de configuración revisa tus workflows de GitHub en busca de pasos de agente a los que pueda llegar una entrada no confiable

Gratis hoy en promptdeco.de.

Detecta una instrucción oculta antes de que tu agente actúe.

HoyEl decodificador funciona hoy en el navegador. promptdecode-core 0.1.0 está en crates.io; el escáner y la Action de GitHub todavía no están publicados.

Objetivos

Operación autónoma
La revisión es el objetivo de la automatización. Un agente de programación con un token de escritura lee un pull request que un revisor humano ya ha aprobado, y los dos no están leyendo el mismo documento: los caracteres del bloque de tags, los overrides bidi y los selectores de variación se muestran como nada y se tokenizan con normalidad. Los escáneres están pensados para ejecutarse en CI en cada cambio, decodificar lo que encuentran en lugar de limitarse a señalarlo y publicar el texto plano en el pull request, sin ningún modelo en el bucle y sin que nada salga del runner.
Inteligencia
Deliberadamente ninguno donde no hace falta. Los dos motores planificados son deterministas: uno rastrea entradas de workflow no confiables hasta un paso de agente que tiene un token de escritura, y el otro busca coincidencias con clases Unicode con nombre en el contenido del repositorio. Un detector que necesita un modelo para decidir qué es sospechoso no puede declarar su propia cobertura, y una cobertura que se puede declarar es el producto.
Crecimiento
Guiado por la evidencia, y por eso más lento. No se publica ningún porcentaje de ataques bloqueados, porque las tasas de evasión a nivel de carácter varían demasiado según la técnica como para que un solo número signifique algo. Lo que se publica es la cobertura determinista de una lista con nombre de clases Unicode y el recall con una tasa de falsos positivos declarada sobre un corpus con nombre, con el corpus y el harness a la vista. El crecimiento son los repositorios escaneados por semana una vez que exista la Action.
El detalle técnico

Encuentra texto invisible para un revisor humano y totalmente legible para un modelo de lenguaje, y lo decodifica. Unas instrucciones ocultas en el título de un pull request, el cuerpo de una issue o un archivo del repositorio pueden decirle a un agente de programación que apruebe, fusione o comente, mientras el diff no muestra nada raro. Dos partes funcionan hoy. El decodificador del sitio, que lee tres clases con nombre de code points (el bloque de tags de Unicode, los controles y overrides bidi, los selectores de variación), reconstruye el payload que codifican y se ejecuta por completo en el navegador de quien lo usa, sin enviar nada a ninguna parte. Y el escáner de configuración, que rastrea la entrada no confiable de un workflow hasta un paso de agente que tiene un token de escritura, y se ejecuta desde el código fuente sin versión publicada todavía. El resto está diseñado y sin escribir: un motor de contenido que decodifica payloads en todo un repositorio, un escáner de línea de comandos, una GitHub Action y un benchmark abierto. Si una clase no está en la lista publicada, no se detecta; la lista es la afirmación.

Relacionado

De la misma base.

Todos los ventures