C4-META System v1.0.0 (prototype de recherche)

Prototype de recherche pour la défense IA multicouche : explicabilité C4, classifieurs d'ensemble, désobfuscation, moteur de sécurité O₂, défense ThoughtVirus et alignement des valeurs SVETILO. Niveau alpha — validé en interne, audit externe en attente.

Version : 1.0.0-alpha | Statut : Prototype de recherche | Licence : BSL 1.1 (gratuit hors production ; production → commercial)

Auteur : I.G. Selyutin. Co-auteur du modèle C4-META : N.I. Kovalev.
Identité du produit (2026-08) : prototype de recherche BSL / de profondeur commerciale d'une pile de défense C4 multicouche plus lourde (ensemble, échafaudage O₂, laboratoire red-team) construite sur c4protocol sous licence Apache-2.0.
Pas un second protocole ouvert. Pas une défense AGI de production certifiée. Pas « v8 FINAL ».
Audit d'honnêteté : docs/AUDIT-c4-meta-system-2026-08.md.
Parcours de promotion : docs/PROMOTE-FROM-PROTOCOL.md (consommer/épingler c4protocol ; pas de vidage de l'ensemble dans le SDK léger).
GitLab Pages = public/ (EN + public/ru/). Preuve d'exécution ouverte : make conformance dans c4protocol.

---

🎯 Vue d'ensemble

Le système C4-META est un prototype de recherche pour la défense IA multicouche mettant en œuvre :

Architecture de défense à 4 couches

Input Sanitization → Semantic Analysis → Behavioral Analysis → Meta-Observer (O₂)

• Couche 1 — Assainissement des entrées : pipeline de désobfuscation (leetspeak, plus de 90 homoglyphes Unicode, caractères de largeur nulle, override RTL, Base64/ROT13)
• Couche 2 — Analyse sémantique : vote d'ensemble à 4 classifieurs (ONNX BERT + RuleBased + Heuristic + LLM Semantic)
• Couche 3 — Analyse comportementale : modules de défense AoC, correspondance de motifs, détection d'anomalies de trajectoire
• Couche 4 — Méta-observateur (O₂) : entropie de transfert, consensus BFT, enchevêtrement sémantique, analyse de graphes causaux

Capacités clés

• Vote d'ensemble à 4 classifieurs — ONNX BERT + RuleBased (plus de 80 motifs) + Heuristic (32 mots dangereux) + LLM Semantic (Ollama/DeepSeek)
• Logique OU à double classifieur : BERT sémantique + classifieur de mots-clés RuleBased avec repli OU — aucun point de défaillance unique
• 16 modules de défense AoC — 11 classiques + 5 étendus (heuristique/laboratoire ; ne prétend pas que « toutes les défaillances multi-agents sont résolues »)
• Défense ThoughtVirus — défense à deux couches (détection de motifs regex + analyse de trajectoire C4). Inspirée de arXiv:2603.00131 (Multi-Agent Security Initiative ; pas Microsoft)(https://arxiv.org/abs/2603.00131)
• SVETILO — 7 sceaux heuristiques via value_verification.py (pas un modèle d'éthique entraîné)
• Explicabilité C4 (T,S,A) — analyse des coordonnées cognitives via un modèle ONNX quantifié (737KB, ~50ms)
• Échafaudage O₂ — modules de recherche ; le chemin BFT est une simulation consultative, pas une FT byzantine de production
• Désobfuscation — Leetspeak, plus de 90 homoglyphes Unicode, caractères de largeur nulle, override RTL, Base64/ROT13
• Laboratoire Red Team — conception scientifique contrôle/traitement, test exact de Fisher, d de Cohen, IC bootstrap
• Scanner de contenu subliminal — détecte les correspondances jeton→concept
• Détection de jailbreak multi-tours — suivi d'escalade basé sur la session
• Déploiement Docker/K8s — déploiement conteneurisé multi-nœuds

---

🏗 Architecture

┌──────────────────────────────────────────────┐
│  LAYER 1: Input Sanitization                 │
│  Deobfuscation (homoglyphs, leetspeak, etc.) │
├──────────────────────────────────────────────┤
│  LAYER 2: Semantic Analysis                  │
│  4-Classifier Ensemble: ONNX_BERT (~50ms)    │
│  + RuleBased + Heuristic + LLM_SEMANTIC      │
│  Dual classifier OR-logic (BERT+RuleBased)   │
├──────────────────────────────────────────────┤
│  LAYER 3: Behavioral Analysis                │
│  16 AoC Defense Modules (11 original + 5     │
│  extended), Pattern matching, Trajectory     │
│  anomaly detection, ThoughtVirus defense     │
├──────────────────────────────────────────────┤
│  LAYER 4: Meta-Observer (O₂)                 │
│  Transfer entropy, BFT consensus,            │
│  semantic entanglement, causal graphs,       │
│  Kill-Switch, SVETILO value verification     │
├──────────────────────────────────────────────┤
│  C4 Core Engine (Z₃³)                        │
│  pipeline_orchestrator.py, event_bus.py      │
│  c4_meta_monitor.py — self-awareness deque  │
├──────────────────────────────────────────────┤
│  Defenses: Anti-Deadlock, Anti-Emergence,    │
│  Anti-Hijack, Circuit Breaker, O₂ Kill-Switch│
├──────────────────────────────────────────────┤
│  Red Team Lab: AOC scenarios, experiment     │
│  runner, LLM client, adapters                │
├──────────────────────────────────────────────┤
│  Routing: Smart Router, Quarantine,          │
│  Antifragile Scoring (capped growth)         │
└──────────────────────────────────────────────┘

Vote des 4 classifieurs :

• ONNX_BERT : coordonnées cognitives C4 (T,S,A) via modèle quantifié (737KB, ~50ms)
• RuleBased : plus de 80 motifs regex couvrant l'injection, le jailbreak, le jeu de rôle, le contournement d'autorité
• Heuristic : 32 mots dangereux + analyse des axes C4 + métrique de densité sémantique
• LLM_SEMANTIC : Ollama/DeepSeek — classification sémantique des attaques (~300ms)

Logique OU à double classifieur : BERT + RuleBased opèrent comme porte principale avec repli OU — si l'un ou l'autre signale l'entrée, elle passe aux couches de défense. Aucun classifieur n'est un goulot d'étranglement.

---

📁 Structure du projet