C4-META System v1.0.0 (prototipo di ricerca)

Prototipo di ricerca per la difesa AI multi-livello: spiegabilità C4, classificatori ensemble, deoffuscamento, motore di sicurezza O₂, difesa ThoughtVirus e allineamento valoriale SVETILO. Grado alpha — validato internamente, audit esterno in sospeso.

Versione: 1.0.0-alpha | Stato: Prototipo di ricerca | Licenza: BSL 1.1 (gratuita fuori produzione; produzione → commerciale)

Autore: I.G. Selyutin. Co-autore del modello C4-META: N.I. Kovalev.
Identità del prodotto (2026-08): prototipo di ricerca BSL / profondità commerciale di uno stack di difesa C4 multi-livello più pesante (ensemble, scaffolding O₂, laboratorio red-team) basato su Apache-2.0 c4protocol.
Non è un secondo protocollo aperto. Non è una difesa AGI di produzione certificata. Non è “v8 FINAL”.
Audit di onestà: docs/AUDIT-c4-meta-system-2026-08.md.
Percorso di promozione: docs/PROMOTE-FROM-PROTOCOL.md (consumare/fissare c4protocol; nessun dump dell'ensemble nell'SDK sottile).
GitLab Pages = public/ (EN + public/ru/). Ricevuta per il runtime aperto: make conformance in c4protocol.

---

🎯 Panoramica

Il Sistema C4-META è un prototipo di ricerca per la difesa AI multi-livello che implementa:

Architettura di difesa a 4 livelli

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

• Livello 1 — Sanificazione dell'input: pipeline di deoffuscamento (leet speak, 90+ omoglifi Unicode, caratteri a larghezza zero, override RTL, Base64/ROT13)
• Livello 2 — Analisi semantica: voto ensemble a 4 classificatori (ONNX BERT + RuleBased + Heuristic + LLM Semantic)
• Livello 3 — Analisi comportamentale: moduli di difesa AoC, pattern matching, rilevamento di anomalie di traiettoria
• Livello 4 — Meta-Osservatore (O₂): entropia di trasferimento, consenso BFT, entanglement semantico, analisi di grafi causali

Funzionalità principali

• Voto ensemble a 4 classificatori — ONNX BERT + RuleBased (80+ pattern) + Heuristic (32 parole pericolose) + LLM Semantic (Ollama/DeepSeek)
• Logica OR a doppio classificatore: BERT semantico + classificatore a parole chiave RuleBased con fallback OR — nessun singolo punto di guasto
• 16 moduli di difesa AoC — 11 classici + 5 estesi (euristici/laboratorio; non è una pretesa di “tutti i guasti multi-agente risolti”)
• Difesa ThoughtVirus — difesa a due livelli (rilevamento di pattern regex + analisi della traiettoria C4). Ispirata da arXiv:2603.00131 (Multi-Agent Security Initiative; non Microsoft)(https://arxiv.org/abs/2603.00131)
• SVETILO — 7 sigilli euristici tramite value_verification.py (non un modello etico addestrato)
• Spiegabilità C4 (T,S,A) — analisi delle coordinate cognitive tramite modello ONNX quantizzato (737KB, ~50ms)
• Scaffolding O₂ — moduli di ricerca; il percorso BFT è simulazione consultiva, non FT bizantino di produzione
• Deoffuscamento — leet speak, 90+ omoglifi Unicode, caratteri a larghezza zero, override RTL, Base64/ROT13
• Laboratorio Red Team — progettazione scientifica controllo/trattamento, test esatto di Fisher, d di Cohen, CI bootstrap
• Scanner di contenuti subliminali — rileva le mappature token→concetto
• Rilevamento jailbreak multi-turno — tracciamento dell'escalation basato su sessione
• Distribuzione Docker/K8s — distribuzione multi-nodo containerizzata

---

🏗 Architettura

┌──────────────────────────────────────────────┐
│  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)         │
└──────────────────────────────────────────────┘

Voto dei 4 classificatori:

• ONNX_BERT: coordinate cognitive C4 (T,S,A) tramite modello quantizzato (737KB, ~50ms)
• RuleBased: 80+ pattern regex che coprono injection, jailbreak, role-play, bypass dell'autorità
• Heuristic: 32 parole pericolose + analisi degli assi C4 + metrica di densità semantica
• LLM_SEMANTIC: Ollama/DeepSeek — classificazione semantica degli attacchi (~300ms)

Logica OR a doppio classificatore: BERT + RuleBased operano come gate primario con fallback OR — se uno dei due segnala l'input, questo procede ai livelli di difesa. Nessun singolo classificatore è un collo di bottiglia.

---

📁 Struttura del progetto