Adarve Engine
No es un modelo. Son capas que se vigilan entre sí.
Un único clasificador público es fácil de engañar y ruidoso con tráfico normal. Adarve Engine combina desofuscación determinista, firmas multilingües, un ensemble de clasificadores, una memoria de ataques y tu propia política en un solo score, en nuestros servidores de la UE y nunca a través de un proveedor de IA externo.
Cómo decide
Seis capas, un veredicto explicable.
Normaliza y desofusca
Caracteres invisibles, homoglifos y hasta tres capas anidadas de Base64, hex o URL se deshacen antes de puntuar nada.
Firmas multilingües
Español e inglés en profundidad, más francés, alemán, portugués e italiano, con y sin tildes.
Ensemble de clasificadores
Clasificadores transformer votan sobre cada texto. Los documentos largos se leen en ventanas solapadas: una inyección escondida en un fragmento RAG no se pierde por truncado.
Memoria de ataques
Miles de ataques etiquetados y prompts benignos parecidos en 7 idiomas. Una paráfrasis nueva cae junto a los ataques a los que se parece, incluso en otro idioma, y los benignos parecidos reducen las falsas alarmas.
Tu política
Tus frases, regex, temas y canary tokens, versionados por proyecto y aplicados en cada petición.
Guardas deterministas
Enlaces de exfiltración, datos personales y secretos, cambios en definiciones MCP: controles que aguantan aunque se engañe a un clasificador.
Medido, no prometido
Adarve Engine frente al mejor modelo abierto público.
Mismos textos, mismos umbrales. La referencia es protectai/deberta-v3-base-prompt-injection-v2, el clasificador abierto de prompt injection más usado, por sí solo. En verde, el mejor valor de cada par, también cuando gana el modelo público.
| Dataset | Adarve Engine | Modelo público solo | ||
|---|---|---|---|---|
| ataques detectados | falsas alarmas | ataques detectados | falsas alarmas | |
| Adarve ES/EN | 100 % | 5 % | 100 % | 20 % |
| deepset | 58,3 % | 0 % | 36,7 % | 0 % |
| Gandalf | 99,1 % | — | 100 % | — |
| jackhhao jailbreaks | 91,4 % | 1,6 % | 85,5 % | 1,6 % |
| SPML chatbot | 80 % | 1 % | 99,6 % | 10,6 % |
| Dataset | Adarve Engine | Modelo público solo | ||
|---|---|---|---|---|
| ataques detectados | falsas alarmas | ataques detectados | falsas alarmas | |
| Adarve ES/EN | 90 % | 2,5 % | 100 % | 20 % |
| deepset | 25 % | 0 % | 35 % | 0 % |
| Gandalf | 98,2 % | — | 100 % | — |
| jackhhao jailbreaks | 86,3 % | 0,8 % | 85,5 % | 1,6 % |
| SPML chatbot | 36 % | 0 % | 99,6 % | 10,1 % |
Recall = proporción de ataques detectados; falsas alarmas = proporción de prompts benignos marcados. Umbral recomendado: 0,5 para revisar y entre 0,5 y 0,8 para bloquear según cuánta fricción aceptes. Generado el 12 de octubre de 2026 · adarve-l1@2026.10.2+l2-onnx[deberta-pi-v2+horizon-pi+e5-small-cmknn4496].
Privado por diseño
Tus prompts se quedan con nosotros, en la UE, y solo como hash.
- Inferencia en servidores propios de Adarve en la UE
- Ninguna API de IA de terceros en el camino de inspección
- Los prompts nunca se guardan en claro, solo un hash SHA-256
- Versiones de modelo fijadas; cada respuesta indica la versión del motor
Mira qué dice el motor de tus prompts.
Pega un prompt en el playground o consigue una key gratuita con 10.000 inspecciones al mes.