Pro

Produktionsreifer Schutz für all Ihre KI-Agenten.

PoisonZero Pro gibt Teams Echtzeit-Monitoring und automatisches Rollback vergifteter Memory-Einträge — auf bis zu 15 Geräten, mit Cloud- oder Private-Installation, schon ab dem ersten Gerät.

Bis zu 15 GeräteCloud- oder Private-InstallationLinux · macOS · Windows
Auf einen Blick

Alles, was Pro Ihnen bietet.

Was Sie bekommen

Alles, was Sie brauchen, um KI-Agenten im Betrieb zu schützen.

Ein Tarif, keine versteckten Grenzen — Echtzeit-Schutz ab dem ersten Gerät.

Echtzeit-Monitoring & Auto-Rollback

Der Daemon beobachtet die Memory Files Ihrer Agenten, sobald Änderungen passieren, und macht vergiftete Einträge in Millisekunden rückgängig — bevor sie das Verhalten der Agenten beeinflussen können.

Voller Audit-Trail

Jede Entscheidung wird mit Zeitstempel, Gefahren-Score und Ergebnis protokolliert — vollständig nachvollziehbar im Panel unter console.poisonzero.com.

Cross-Platform

Linux, macOS und Windows — ein einziger Install-Prozess, OS-gerechte Pfade, nativer Service-Manager.

Panel & Pro-Konfiguration

Stellen Sie Schwellwerte, geschützte Pfade und Profile pro Agent im Kontrollpanel ein. Keine Konfigurationsdateien, die manuell bearbeitet werden müssen.

Cloud oder Private — Ihre Wahl

Betreiben Sie cloud-verwaltet oder selbst gehostet auf Ihrer eigenen Infrastruktur — frei wählbar und im Preis schon enthalten.

Erkennungsqualität

Eigens auf Memory Poisoning trainiert — und das merkt man.

Das Erkennungsmodell ist kein Klassifizierer von der Stange. Es ist auf einem großen Korpus echter Angriffs- und Benign-Beispiele aus unserer Cloud-Analyse-Pipeline feinabgestimmt — ein Flywheel, das das On-Device-Modell scharf hält und mit jedem neuen Angriffsmuster besser macht.

Spezialisiert statt generisch

Ein Modell für genau eine Aufgabe — vergiftete Memory-Schreibvorgänge zu erkennen — statt eines Allzweck-Filters, der nachträglich auf das Problem geschnallt wird. Dieser Fokus ist der Grund, warum es erkennt, was breite Guardrails übersehen.

Ein lernendes Flywheel

Unsere Cloud-Pipeline labelt frische Angriffs- und Benign-Daten; diese Daten schärfen das On-Device-Modell. Passen sich Angreifer an, hält der Detektor Schritt — ganz ohne dass Ihre Daten je einfließen.

Mehrsprachig von Grund auf

Die Sprache wählt der Angreifer — deshalb wurde das Modell umfassend über viele Sprachen getestet. Eine Injection in jeder von ihnen wird genauso erkannt. Sprache ist Angriffsfläche, kein blinder Fleck.

Auf demselben Testset erkennt es über 3× so viele Angriffe wie führende Standard-Schutzmodelle von der Stange — und es erkennt zuverlässig genau die Angriffsklassen, für die diese Standard-Detektoren praktisch blind sind (subtile/indirekte Injection, Datenexfiltration). Das Fine-Tuning senkte die Fehlalarme um ~95 % gegenüber dem ungetunten Basismodell. In breiten, realistischen internen Tests erkennt es über 94 % der Angriffe bei unter 5 % Fehlalarmen. Kein Detektor kann versprechen, jeden Angriff überall zu stoppen — aber das sind die Zahlen, die wir messen, und wir heben sie kontinuierlich an.
Sicherheitsarchitektur

Die Analyse läuft abgeschottet.

Die Komponente, die angreiferkontrollierten Text liest, schotten wir am stärksten ab. Die Inference-Engine läuft in einer Minimal-Privilegien-Sandbox — selbst ein Fehler in ihr bleibt folgenlos: Die Engine darf abstürzen, der Daemon behält die Kontrolle und revertet im Zweifel.

Minimal-Privilegien-Sandbox

Die Engine lauscht nur auf localhost, liest ausschließlich die Modell-Datei, startet keine Prozesse und läuft als isolierter, unprivilegierter Prozess. Ein Fehler in der Engine hat schlicht keinen Weg nach draußen.

Signiert & verifiziert

Jedes Artefakt ist signiert, und die Modell-Datei ist SHA-256-gepinnt und wird vor jedem Start geprüft — eine manipulierte Modell-Datei lädt erst gar nicht.

Fail-closed-Daemon

Die Antwort der Engine gilt als nicht vertrauenswürdige Eingabe. Stürzt sie ab, hängt sie oder liefert sie Unerwartetes, revertet der Daemon konservativ — statt eine Änderung durchzuwinken.

# Engine startet on-demand, sandboxed
[verify] Modell-SHA-256 gepinnt · ok
[sandbox] nur localhost · Modell read-only · kein Subprozess
[eval]  Memory-Write · danger 0.97 → revert
[idle]  Engine beendet · Footprint zurück auf wenige MB
Technische Daten

Was es Ihren Geräten abverlangt.

Die On-Device-Erkennungs-Engine läuft auf der Hardware, die Ihr Team bereits hat — leise, on-demand, ohne GPU. Diese Angaben gelten für Geräte im Private-Modus; Geräte im Cloud-Modus senden nur redigierte Diffs zur Bewertung und haben einen geringeren lokalen Footprint.

EigenschaftDetail
Footprint (Private-Modus) Etwas über 300 MB — und das nur für wenige Sekunden während einer Memory-Überprüfung. Im Ruhezustand nur wenige MB.
Hardware CPU-only, normale Hardware. Keine GPU nötig.
Analyse-Latenz Wenige Sekunden pro Memory-Überprüfung, on-demand gestartet.
Plattformen Linux · macOS · Windows
Sprachen Mehrsprachig — Angriffe werden unabhängig von ihrer Sprache erkannt, umfassend getestet.
Offline (Private-Modus) Läuft komplett offline. Der einzige ausgehende Datenverkehr: ein optionaler monatlicher Lizenzcheck — nur Zugangsdaten und Version, niemals Inhalte.
Netzwerk-Footprint (Private) Ein optionaler Request pro Monat — nur Zugangsdaten und Version. Geräte im Cloud-Modus senden zusätzlich redigierte Diffs; dieser Egress ist im Whitepaper dokumentiert.
Updates Signierte Artefakte, vor jedem Start SHA-256-verifiziert.
IT-freundlich. Die vollständige Egress-Allowlist ist dokumentiert — zwei herstellereigene Domains, Port 443, ausschließlich ausgehend, kein Inbound-Listener. Sie filtern per IP statt per Domain? Einzelne, feste IPs zu hinterlegen ist nicht empfehlenswert — beide Hosts laufen auf Provider-Anycast, die Adressen ändern sich. Filtern Sie per Domain, oder nutzen Sie die veröffentlichten IP-Bereiche der Provider (im Whitepaper dokumentiert). Die Firewall-Regel schreiben Sie einmal. Allowlist im Whitepaper ansehen →

In unter einer Minute geschützt.

Legen Sie im Panel eine App an, verbinden Sie Ihr Gerät per Enrollment-Code — und Ihre ersten Memory Files sind geschützt.

Sign me up