PoisonZero — Whitepaper técnico

Abstract

Los agentes de IA mantienen una memoria persistente — instrucciones permanentes, notas de proyecto, preferencias aprendidas — en archivos sencillos que se vuelven a leer en el contexto del modelo en cada ejecución. Un atacante que escribe una sola entrada maliciosa influye en todo el comportamiento futuro sin estar presente cuando se produce el daño. PoisonZero trata cada cambio en un archivo protegido como no fiable hasta demostrar que es seguro, y es fail-closed: cuando la evaluación es imposible o ambigua, el cambio se revierte y se restaura el último estado limpio conocido. El documento especifica el modelo de amenazas de cinco clases, la cadena de procesamiento, el modo asistido por la nube con su contrato de egreso verificable, el modo totalmente en el dispositivo con su sandbox de privilegios mínimos, el modelo de detección decoder-only con pesos totalmente propios, la integridad en reposo del modelo en el dispositivo — almacenado cifrado y autenticado, a prueba de manipulaciones, de modo que cualquier alteración falla en modo seguro (fail-closed) — y la arquitectura de licencia e integridad.