Website-Sicherheit mit Jev Typesafe AI und Antigravity härten

Zusammenfassung: Jev Typesafe AI ist ein unabhängiger Sicherheitsprüfungs-Agent, der mit Google Antigravity (AGY) zusammenarbeitet. In diesem Beitrag beschreibe ich, wie Jev funktioniert und mit welchen Schritten wir gemeinsam mit den Antigravity-Agenten die Sicherheit dieser Website (ozanozdil.com) verschärft haben.

1. Was ist Jev Typesafe AI?

Jev Typesafe AI ist eine KI-Architektur, die auf Typsicherheit (typesafe) und Zustandsdeterminismus basiert und direkt in den Softwareentwicklungszyklus als autonomer und unabhängiger „Chief Security Auditor“ (Leiter der Sicherheitsprüfung) positioniert wird.

Während herkömmliche Sicherheitswerkzeuge (SAST/DAST) in der Regel auf statischen Regeln oder signaturbasierten Scans beruhen, erfasst Jev Typesafe AI den Kontext des Codes, die Ausführungsumgebung, die Netzwerktopologie und die Einschränkungen der Cloud (Cloudflare Workers usw.) als logisches Ganzes. Um Modell-Halluzinationen zu verhindern und „typsichere“ Entscheidungen treffen zu können, verfügt es über deterministische Ausführungsschutzmechanismen und Verifikationsschilde.

Was kann es?

Autonome Codeprüfung und Schwachstellenanalyse: Wenn Jev in ein Projekt eingebunden wird, untersucht es den gesamten Quellcodebaum, die Konfigurationsdateien (wrangler.toml, astro.config, robots.txt) und die Abhängigkeiten und erkennt kritische Schwachstellen wie XSS, Path Traversal, IP Spoofing und die Offenlegung von Konfigurationen.
Entwurf von LLM- und Prompt-Injection-Schutzschilden: An den in das System integrierten KI-Endpunkten baut es heuristische und statische Filter, um zu verhindern, dass eingehende Benutzerdaten das Modell vergiften (Jailbreak, System Prompt Leakage).
Umsetzung von Zero Trust und Defense-in-Depth: Es integriert die Philosophie „niemandem vertrauen“ in die Anwendungen. Alle eingehenden HTTP-Header (Origin, Referer, X-Forwarded-For) werden als potenziell manipulierbare Vektoren eingestuft, und die vertrauenswürdigen (wie Cloudflare cf-connecting-ip) werden isoliert.
Integration der Fail-Closed-Architektur: Wenn ein Dienst im System (zum Beispiel die KV-Datenbank oder der Rate Limiter) ausfällt, wird der Datenverkehr vollständig gestoppt (fail-closed), wodurch verhindert wird, dass Angreifer eine Kapazitätsüberschreitung ausnutzen (fail-open).

2. Härtungsoperation für ozanozdil.com mit Antigravity und Jev

Um die Sicherheit der Website zu verschärfen, haben wir den Google-Antigravity-Agenten (Umsetzer) und den Jev-Typesafe-AI-Agenten (unabhängiger Prüfer) gemeinsam laufen lassen.

Die Härtungsschritte, die durch die gegenseitige Kommunikation der autonomen Agenten und die Steuerung des Systemadministrators (Benutzers) durchgeführt wurden, sind im Folgenden im technischen Kontext zusammengefasst:

A. Schließen der Informationsoffenlegung

Jevs erste Feststellung war, dass die Datei robots.txt die Namen von Verzeichnissen auflistete, die nicht veröffentlicht werden sollten. Diese Zeilen wurden entfernt, und Anfragen an diese Verzeichnisse werden serverseitig blockiert.

B. Verschärfung der HTTP- und CSP-Header

Beseitigung von 'unsafe-eval': Gemäß Jevs Bericht wurde 'unsafe-eval' aus den Content-Security-Policy-Headern (CSP) im Cloudflare Worker entfernt.
Isolierung: Die Direktiven object-src 'none', frame-ancestors 'none' und upgrade-insecure-requests wurden aktiviert.
Strikte Header: X-Frame-Options: DENY, Cross-Origin-Opener-Policy: same-origin und eine erweiterte Permissions-Policy mit 20 Parametern, die den Zugriff auf Hardware-APIs blockiert, sind aktiv.

C. Erweitertes IP-Spoofing und Rate Limiting (Fail-Closed)

Der vom Benutzer sendbare Header x-forwarded-for wurde abgeschafft, und der am Netzwerkrand kryptografisch geschützte Header cf-connecting-ip wurde als einzige korrekte Quelle akzeptiert. Der verteilte KV-basierte Rate Limiter an den Endpunkten /api/chat und /api/views wurde vom Zustand „offen im Fehlerfall“ (fail-open) in den Zustand „geschlossen im Fehlerfall“ (fail-closed) versetzt, der bei einem Fehler den gesamten Datenverkehr mit einer 503-Antwort abbricht.

D. Schutz vor Prompt Injection und protokollrelativem Bypass

Für protokollunabhängige Weiterleitungsschwachstellen, die in an das System gesendeten Markdown-URL-Daten (z. B. //evil.com) entstehen können, wurden statische Schutzschilde geschrieben.
In den an den KI-Chat-Assistenten gesendeten Nachrichten wurde eine „Pre-flight“-Vorabprüfung gegen Modellmanipulationen (ignore instructions, dan mode) hinzugefügt. Die Eingabedaten wurden strengen Längen- und Zeichenprüfungen unterzogen.

E. Entfernung von Emojis

Antigravity hat die Emojis in Code-, Dokumentations- und Oberflächendateien bereinigt; die Oberfläche wurde mit schlichter Typografie belassen.

3. Optimierung für KI-Agenten und Suchmaschinen (LLM-SEO)

Jev Typesafe AI ist nicht nur ein Prüfmechanismus; es sorgt dafür, dass die von autonomen Agenten erstellten Codes von anderen autonomen Bausteinen leicht entdeckt werden können (LLM SEO). In unserer Architektur sind Strukturen wie API-Dokumentationen und Modellkontexte (/llms.txt, /.well-known/api-catalog) direkt für die Agent-zu-Agent-Kommunikation optimiert.

Auch dieser Beitrag wird als reines Markdown veröffentlicht, damit Suchmaschinen und RAG-Bots (Retrieval-Augmented Generation) ihn leicht lesen können.

Meine Einschätzung

Die Einbindung unabhängiger autonomer Prüfer wie Jev Typesafe AI und integrierender Agenten wie Google Antigravity in den Softwareentwicklungsprozess hilft dabei, Konfigurationsfehler zu erkennen, die statische Scans übersehen. Diese Arbeit auf ozanozdil.com zeigte, dass Agenten unter menschlicher Aufsicht einander ergänzen und brauchbare Ergebnisse erzielen können.