C4-META System v1.0.0 (исследовательский прототип)

Исследовательский прототип многоуровневой ИИ-защиты: объяснимость C4, ансамблевые классификаторы, деобфускация, движок безопасности O₂, защита ThoughtVirus и ценностное выравнивание SVETILO. Уровень Alpha — внутренняя валидация пройдена, внешний аудит ожидается.

Версия: 1.0.0-alpha | Статус: исследовательский прототип | Лицензия: BSL 1.1 (бесплатно вне продакшена; продакшен → коммерческая)

Автор: И.Г. Селютин. Соавтор модели C4-META: Н.И. Ковалев.
Идентичность продукта (2026-08): BSL-исследовательский / коммерчески-углублённый прототип более тяжёлого многоуровневого стека защиты C4 (ансамбль, каркас O₂, red-team лаборатория), построенный на Apache-2.0 c4protocol.
Не второй открытый протокол. Не сертифицированная продакшен-защита AGI. Не «v8 FINAL».
Аудит честности: docs/AUDIT-c4-meta-system-2026-08.md.
Путь продвижения: docs/PROMOTE-FROM-PROTOCOL.md (потреблять/пинить c4protocol; без выгрузки ансамбля в тонкий SDK).
GitLab Pages = public/ (EN + public/ru/). Подтверждение открытого рантайма: make conformance в c4protocol.

🎯 Обзор

C4-META System — это исследовательский прототип многоуровневой ИИ-защиты, реализующий:

4-уровневая архитектура защиты

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

Уровень 1 — Очистка входных данных: конвейер деобфускации (leetspeak, 90+ Unicode-гомоглифов, zero-width символы, RTL override, Base64/ROT13)
Уровень 2 — Семантический анализ: голосование ансамбля из 4 классификаторов (ONNX BERT + RuleBased + Heuristic + LLM Semantic)
Уровень 3 — Поведенческий анализ: модули защиты AoC, сопоставление с паттернами, обнаружение аномалий траекторий
Уровень 4 — Мета-наблюдатель (O₂): трансферная энтропия, BFT-консенсус, семантическая запутанность, анализ причинно-следственных графов

Ключевые возможности

Голосование ансамбля из 4 классификаторов — ONNX BERT + RuleBased (80+ паттернов) + Heuristic (32 опасных слова) + LLM Semantic (Ollama/DeepSeek)
OR-логика двойного классификатора: семантический BERT + RuleBased-классификатор по ключевым словам с OR-фолбэком — без единой точки отказа
16 модулей защиты AoC — 11 классических + 5 расширенных (эвристические/лабораторные; не претензия на «решение всех проблем мультиагентных отказов»)
Защита ThoughtVirus — двухуровневая защита (обнаружение regex-паттернов + анализ траекторий C4). Вдохновлено arXiv:2603.00131 (Multi-Agent Security Initiative; не Microsoft)(https://arxiv.org/abs/2603.00131)
SVETILO — 7 эвристических печатей через value_verification.py (не обученная модель этики)
Объяснимость C4 (T,S,A) — анализ когнитивных координат через квантизованную ONNX-модель (737KB, ~50мс)
Каркас O₂ — исследовательские модули; путь BFT — рекомендательная симуляция, не продакшен Byzantine FT
Деобфускация — Leetspeak, 90+ Unicode-гомоглифов, zero-width символы, RTL override, Base64/ROT13
Red Team Lab — научный дизайн контроль/воздействие, точный тест Фишера, d Коэна, bootstrap CI
Сканер сублиминального контента — обнаруживает отображения токен→концепт
Обнаружение многоходовых джейлбрейков — отслеживание эскалации на основе сессий
Развёртывание Docker/K8s — контейнеризированное многоузловое развёртывание

🏗 Архитектура

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

Голосование 4 классификаторов:

ONNX_BERT: когнитивные координаты C4 (T,S,A) через квантизованную модель (737KB, ~50мс)
RuleBased: 80+ regex-паттернов, покрывающих инъекции, джейлбрейки, ролевые игры, обход авторитетов
Heuristic: 32 опасных слова + анализ осей C4 + метрика семантической плотности
LLM_SEMANTIC: Ollama/DeepSeek — классификация семантических атак (~300мс)

OR-логика двойного классификатора: BERT + RuleBased работают как основной шлюз с OR-фолбэком — если любой из них помечает входные данные, они передаются на уровни защиты. Ни один классификатор не является узким местом.

📁 Структура проекта

c4-meta-system/
├── v4_1/
│   ├── core/
│   │   ├── pipeline.py                  # Main entry points (re-exports)
│   │   ├── __main__.py                  # HTTP server entrypoint for Docker
│   │   ├── pipeline_stages.py           # Individual processing stages
│   │   ├── pipeline_orchestrator.py      # Main orchestration (thread-safe)
│   │   ├── result_factory.py             # Standardized C4v4Result factory
│   │   ├── event_bus.py                  # Organic event bus (atexit cleanup)
│   │   └── c4_meta_monitor.py            # Z³ self-awareness (deque bounded)
│   ├── security/
│   │   ├── o2_engine.py                  # O₂ defense (kill-switch self-DoS fixed)
│   │   ├── explainable_o2.py             # O₂ explainability (sampling inverted)
│   │   ├── o2_shared.py                  # Window structures (@mention comms)
│   │   ├── semantic_detector.py          # Concept graphs (normalized entanglement)
│   │   ├── secure_debug_endpoints.py     # Debug endpoints (UTC + rate limits)
│   │   ├── hardening.py                  # Model signing / admin token verification
│   │   ├── behavioral_profiler.py        # Drift detection (thread-safe singleton)
│   │   ├── distributed_o2.py             # SQLite/Redis backend (BEGIN IMMEDIATE)
│   │   ├── swarm_orchestrator.py         # Anti-virus swarm
│   │   └── ...
│   ├── defenses/
│   │   ├── anti_deadlock.py              # Resource deadlock prevention
│   │   ├── anti_emergence.py             # State convergence (async release fixed)
│   │   └── ...
│   ├── redteam/
│   │   ├── orchestrator.py              # Main orchestrator (target_callback parsing)
│   │   ├── scenario_manager.py           # AOC scenarios management
│   │   ├── adapters/                     # LLM backend adapters
│   │   ├── experiment_executor.py        # Async execution (FPR logic fixed)
│   │   ├── experiment_services.py       # Service locator
│   │   ├── experiment_runner.py         # Web UI + REST API
│   │   ├── llm_client.py                 # Async-safe LLM client (empty choices guarded)
│   │   └── ...
│   ├── classifiers/                      # 4-classifier ensemble
│   ├── config/                           # Configuration management
│   ├── access/                           # Access control
│   ├── explainability/                   # C4 explainability
│   ├── learning/                         # Learning loop
│   ├── plugins/                          # Plugin system
│   ├── quarantine/                       # Quarantine management
│   ├── router/                           # Smart routing
│   ├── scoring/                          # Antifragile scoring
│   └── tests/                            # 240 tests (19 test files)
├── formal/                               # TLA+ specifications
├── models/                               # ONNX model + tokenizer
├── archive/Dockerfile.prepared          # Multi-stage production build (archived)
├── Dockerfile.distroless                # Distroless-ready builder pattern
├── archive/docker-compose.yml.prepared  # Full stack (Ollama + UI + Monitoring) (archived)
├── .dockerignore                        # Security-hardened exclusion list
├── infra/k8s/                           # Kubernetes manifests (hardened)
└── README.md                            # This file

🐳 Развёртывание в Docker

Система полностью подготовлена к контейнеризации с конфигурацией, учитывающей окружение.

Варианты развёртывания:

# Full stack (C4-META + Ollama + UI)
docker compose --profile experiment up -d

# Build image
docker build -t c4-meta-system -f archive/Dockerfile.prepared .

# Run with local Ollama
OLLAMA_BASE_URL=http://host.docker.internal:11434 docker run -p 8080:8080 c4-meta-system

# Red Team runner
docker build -t c4-redteam -f redteam/Dockerfile.redteam.prepared .
docker run -p 8081:8081 c4-redteam

Health-эндпоинты

Основной контейнер: GET /health на порту 8080
Red Team runner: GET /health на порту 8081

🚀 Быстрый старт

Установка

pip install -r requirements.txt
# Optional Docker deps
pip install -r requirements-docker.txt

Запуск основного сервера

python -m v4_1.core
# or explicitly
python -m v4_1.core.__main__

Запуск Red Team Dashboard

python -m v4_1.redteam.experiment_runner --web --port 8080

🏗️ История исправлений

Ключевые исправления (60 решённых в ходе раундов аудита)

Self-DoS Kill-Switch — o2_engine.py больше не блокирует весь трафик, когда O2 отключён.
Конкуренция за блокировку BFT — BFT-консенсус выполняется вне критической секции, предотвращая блокировку head-of-line.
Утечки Event Bus — ThreadPoolExecutor теперь очищается через atexit; асинхронные колбэки используют run_coroutine_threadsafe().
Инверсия сэмплирования O2 — explainable_o2.py теперь корректно сэмплирует долю sample_rate вместо 1 - sample_rate.
Ложная коммуникационная сетка — o2_shared.py записывает только явные упоминания @agent вместо полностью связной клики.
Ложные срабатывания запутанности — semantic_detector.py нормализует количество концептов перед сравнением с порогом.
Логика целевого колбэка — оркестратор и исполнитель Redteam теперь корректно разбирают blocked/ из ответов защиты вместо предположения, что успех = блокировка.

📊 Результаты бенчмарков

Полные результаты бенчмарков по 4 наборам данных и 2000 adversarial-вариантам из конвейера защиты C4.

См. c4protocol/BENCHMARK_RESULTS.md для полного отчёта.

Примечание: Распределённый O₂ требует Redis-кластер для продакшена. Для разработки доступен одноузловой режим (см. руководство по развёртыванию).

📊 Статус

Испытание Red Team

Защита C4-META сильна — но ни одна система не идеальна. Если вы найдёте промпт, который обходит ансамблевый классификатор, модули защиты AoC или движок O₂, мы хотим об этом знать.

Сообщить об обходах:

GitLab Issues: https://gitlab.com/cognitive-functors/c4-meta-system/-/issues
Email: [email protected]

Что нам нужно: обходящий промпт, ожидаемый ответ и какой уровень защиты не сработал. Мы отмечаем всех сообщивших в нашем зале славы безопасности.

C4-META v1.0.0-alpha — исследовательский прототип многоуровневой ИИ-защиты. Внутренняя валидация завершена. Внешний аудит ожидается.

Уровень обнаружения adversarial-атак	80.3%
Показатель устойчивости	1.25
Чистое обнаружение (AoC)	70.9%
Уровень ложных срабатываний	14.6%
Уровень блокировки LLM C4	96.7%
Снижение ASR GPT-4o-mini	10.7% → 0.7% (93.2%)
Снижение ASR Mistral 7B	22.5% → 0.5% (97.6%)

Версия	1.0.0 FINAL
Статус	Исследовательский прототип (внутренняя валидация завершена)
Тесты	240 тестов (19 файлов с тестами)
Классификаторы	4 (ONNX_BERT, RuleBased, Heuristic, LLM_SEMANTIC)
Уровни защиты	4 (Очистка входных данных → Семантический → Поведенческий → Мета-наблюдатель)
Защиты AoC	16 (11 оригинальных + 5 расширенных)
ThoughtVirus	2-уровневая защита (regex + траектория C4)
SVETILO	7 печатей интегрировано
Исправления ошибок	60+ устранено в ходе раундов аудита
Сборка Docker	Успешно (multi-stage, distroless-ready)
K8s-манифесты	Готовы (усилены secretKeyRef)
Лицензия	BSL 1.1

Популярное

c4-meta-system