Skip to content
reinhardtmartaPublic

About

CFAM (Core Filtering AI Middleware). A standalone CLI that prevents unpredictable AI outputs from breaking production systems via deterministic validation.

Topics

Resources

Stars

1 star

Watchers

0 watching

Forks

Latest commit

 

History

26 Commits

Folders and files

NameName
Last commit message
Last commit date
 
 
 
 
 
 
 
 
 
 

Repository files navigation

CFAM — Core Filtering AI Middleware

Rust Docker Status Architecture Security


🇧🇷 Português

CFAM é uma ferramenta de linha de comando (CLI) escrita em Rust que atua como barreira de segurança determinística (sempre gera o mesmo resultado para a mesma entrada) entre modelos de IA e sistemas internos.

📍 Fase Atual: Integração Real & Contêineres

O projeto avançou da Prova de Conceito (PoC) para testes práticos em ambiente isolado:

  • Integração com IA: Conexão direta com modelos para interceptação e validação de respostas em tempo de execução (runtime).
  • Testes em Contêineres: Execução via Docker para simular falhas reais, injeção de dados quebrados e medir consumo sob estresse.

Nota: O motor principal com as regras proprietárias está em repositório privado. Este repositório público exibe a interface estrutural de demonstração.

🛡️ O que ele resolve

Camada Função
Interceptação Captura o payload (carga de dados) gerado pela IA antes de chegar à sua aplicação.
Veto Lógico Bloqueia dados truncados, malformados, injeções de código ou respostas com incerteza.
Proteção contra Crash Funciona como fusível: se a IA falhar, o sistema interno permanece intacto.
Auditoria Imutável Registra cada bloqueio ou aprovação em cfam_audit_ledger.log (append-only — apenas adição).

⚙️ Contrato de Validação

  1. Integridade Estrutural: Exige formatação completa e delimitadores fechados.
  2. Limite de Fronteira: Rejeita excesso de tamanho e caracteres de controle inválidos.
  3. Rejeição de Anomalia: Descarta padrões de ataque conhecidos.
  • Aprovado: Exit Code: 0 (segue o fluxo)
  • Rejeitado: Exit Code: 1 (execução bloqueada) Ainda em construção

🚀 Uso

./cfam "Sua tarefa ou payload de entrada"

🇺🇸 English

CFAM is a Rust-based command-line interface (CLI) tool acting as a deterministic security barrier (always producing the same output for a given input) between AI models and internal systems.

📍 Current Phase: Live AI Integration & Containers The project has moved from Proof of Concept (PoC) into practical validation:

  • Live AI Integration: Direct runtime interception and validation of AI model outputs.
  • Containerized Testing: Isolated Docker workloads to benchmark latency, simulate malformed payloads, and run stress tests.

Note: The core engine containing proprietary filtering heuristics resides in a private repository. This public repository provides the architectural interface for reference.

🛡️ Core Capabilities

Layer Function
Interception Captures AI payloads immediately after generation before reaching downstream apps.
Logical Veto Blocks truncated outputs, malformed structures, code injections, and probabilistic uncertainty.
Crash Protection Acts as a technical fuse to prevent API or database failures caused by broken AI responses.
Immutable Audit Logs every decision (approved/blocked) into cfam_audit_ledger.log (append-only ledger).
⚙️ Validation Contract
  • Structural Integrity: Enforces complete formatting and closed delimiters.
  • Boundary Enforcement: Rejects oversized payloads and invalid control characters.
  • Anomaly Rejection: Drops known adversarial structures and escape sequences.
  • Approved: Exit Code: 0
  • Rejected: Exit Code: 1 Loading... 🚀 Usage ./cfam "Your input or task description"

Author: Marta Reinhardt | Verification: Check SHA-256 checksums on official GitHub Releases. Copyright © 2026 Marta Reinhardt. All Rights Reserved.

About

CFAM (Core Filtering AI Middleware). A standalone CLI that prevents unpredictable AI outputs from breaking production systems via deterministic validation.

Topics

Resources

Stars

1 star

Watchers

0 watching

Forks

Releases

Packages

Used by

Contributors

Languages