TaoQ AI Labs

Labs

Ons onderzoek, onze open-source tools en onze artikelen, gepubliceerd zodat iedereen ze kan lezen en controleren. Voor klantwerk, zie Praktijk.

Open source

Tools die wij bouwen en onderhouden, en de projecten waaraan wij bijdragen.

Maker en beheerder

Ziran: open-source securitytesten voor AI-agents

Vindt kwetsbaarheden in AI-agents: gevaarlijke combinaties van tools, bijwerkingen van wat agents daadwerkelijk uitvoeren, en vertrouwen dat over meerdere stappen wordt misbruikt. Apache-2.0.

639 aanvalsvectoren in 11 categorieën100% dekking van de OWASP LLM Top 10 (10 van 10 categorieën)72 van 86 MITRE ATLAS-technieken, inclusief alle 14 agent-specifiekeCI/CD quality-gate templates voor vijf CI-systemen

MAKER

WUMING

Een Go-bibliotheek zonder dependencies die persoonsgegevens in tekst vindt en onherkenbaar maakt: 75+ detectoren in 14 locales, met presets voor de AVG, de EU AI Act, HIPAA en PCI-DSS.

MAKER

WUWEI

Een Claude Code-plugin die een team van AI-agents met vaste rollen in uw repositories laat werken. Elke wijziging wordt beoordeeld door een agent die hem niet schreef, en hooks bewaken de onomkeerbare stappen.

MAKER

QKD Playground

Een interactieve simulator voor quantum key distribution. Doorloop de protocollen BB84, B92, E91 en SARG04 met echte Qiskit-simulatie, voeg een afluisteraar toe en zie hoe het foutpercentage haar verraadt.

BIJDRAGER

NVIDIA Garak

Bijdragen aan de Garak LLM-kwetsbaarheidsscanner, het open-source instrument waarmee LLM's worden onderzocht op prompt injection, jailbreak-vatbaarheid en andere faalmodi.

BIJDRAGER

Hugging Face Transformers

Bijdragen aan de Transformers-bibliotheek, een veelgebruikt open-source framework voor het werken met grote taalmodellen.

Onderzoek

Onderzoek en prototypewerk geleverd via TaoQ AI, en het gepubliceerde onderzoek van onze oprichter. Sommige details zijn geanonimiseerd vanwege de vertrouwelijkheid tegenover klanten.

2025 tot 2026

Synthetische-data en temporele-detectieplatform voor online romantische fraude

Toegepast AI-onderzoeker, verantwoordelijk voor de platformarchitectuur, de synthetische-datapipeline en het temporele-detectieframework.

Business case

Tools voor het opsporen van romantische oplichting zoeken meestal naar kwaadaardige inhoud, terwijl oplichtingsberichten werken via emotionele manipulatie. Daardoor is veel van deze fraude moeilijk te herkennen. Wij vonden geen commerciële trainingsdatasets voor de gesprekspatronen die ertoe doen.

Aanpak

Een platform met hexagonale architectuur dat een configureerbare synthetische-gespreks­pipeline combineert (gebaseerd op gepubliceerd criminologisch onderzoek naar oplichtingsprogressie) met een temporele gedragsdetectiedienst die regelgebaseerde patroonchecks, statistische gespreksdynamica-analyse en ML-classificatie getraind op de synthetische corpus samenvoegt.

Opgeleverd

Vendor-neutrale, multi-provider LLM-stack met API-first scoringsoutput, volledig synthetische trainingsdata (geen slachtofferdata), en een onderzoeks­samenwerkingskader gericht op academische partners in fraude- en LLM-veiligheid.

2022 tot 2025

Evaluating the Feasibility of MITRE-Aware Large Language Models for Tactics, Techniques, and Procedures Detection in Cyber Threat Intelligence Reports

MSc Artificial Intelligence (Distinction), University of Bath. Scriptie van onze oprichter.

Scriptie

Onderzoekt of een domeinspecifiek Large Language Model, gefinetuned op het MITRE ATT&CK-framework, de detectie van Tactics, Techniques en Procedures (TTP) in ongestructureerde Cyber Threat Intelligence-rapporten kan automatiseren, waar handmatige verwerking nu leidt tot inconsistentie en gemiste dreigingen. Combineert fine-tuning van een causal language model bovenop een transformer-baseline met een trainingsstrategie in twee fasen en een hybride evaluatie (ROUGE plus kwalitatieve analyse met LLM-as-judge). De conclusie: domeinspecifieke fine-tuning verbetert de precisie op kortere tekstsegmenten, maar gaat ten koste van de samenhang bij langere output en geeft wisselende resultaten bij het koppelen aan specifieke ATT&CK-technieken. Hybride benaderingen met kennisgrafen en continual learning lijken daarom kansrijker.

Onderzoekssamenwerking

Open voor academische partners, adviesraden en gezamenlijk onderzoek naar synthetische data, securitytesten van AI-agents en engineering voor AI-regelgeving.

Mail ons