Dal laboratorio al mercato
MC Project Lab, fondato da Maurizio Cirio, sviluppa software per controllare gli agenti AI, proteggere i dati e rendere verificabili i risultati.
Armor Suite, Privacy Suite e il metodo MLDR sono operativi. TCT è in sviluppo in due edizioni. Cerchiamo investitori e partner industriali per trasformare il lavoro tecnico in prodotti distribuiti, supportati e adottati dalle aziende.
Le soluzioni principali
Il portafoglio comprende strumenti sviluppati dal laboratorio, con elaborazione locale dove prevista dall'architettura.
Per ciascuna soluzione distinguiamo lo stato di sviluppo, le funzioni disponibili, le integrazioni esterne e il perimetro delle verifiche. I risultati dei test riguardano le versioni e le configurazioni indicate nei relativi report.
TCT · Therminal Control Tower
Coordinare gli agenti AI, limitarne le azioni e conservarne le tracce
Quando un agente AI può usare strumenti, accedere a dati o avviare operazioni, l'azienda deve sapere quali autorizzazioni possiede, cosa sta facendo e quando è necessario l'intervento umano. I rischi comprendono istruzioni malevole, accessi fuori perimetro e trasferimenti di dati non autorizzati.
TCT riunisce controlli sulle autorizzazioni, registrazione degli eventi e passaggi di approvazione umana. Lo sviluppo procede su due edizioni: TCT AOI, rivolta ai processi di studi professionali e PMI, e TCT AI Security, dedicata ai controlli di sicurezza su agenti e modelli. Le funzioni di prompt firewall mirano a rilevare o limitare istruzioni pericolose. La loro efficacia va valutata rispetto agli attacchi, alle configurazioni e ai limiti documentati.
Architettura modulare basata su FastAPI e React. Le prove di sicurezza comprendono attacchi simulati e autorizzati del Red Team del laboratorio. Elaborazione locale, collegamenti a modelli esterni e modalità di distribuzione devono essere descritti per la configurazione proposta al cliente.
Licenze aziendali, progetti pilota, integrazione, installazioni dedicate e servizi di verifica. Il modello di prezzo potrà considerare agenti gestiti, funzioni e assistenza richiesta.
Armor Suite
Individuare informazioni sensibili e controllare gli artefatti dei sistemi AI
Log, email e file utilizzati nei sistemi AI possono contenere credenziali, informazioni personali o altri elementi che richiedono controlli prima della conservazione, della condivisione o dell'utilizzo.
LogArmor individua e tratta le credenziali e le informazioni sensibili previste dalle proprie regole. Replay conserva tracce delle attività con meccanismi crittografici destinati a verificarne l'integrità. Questo non equivale a rendere il registro impossibile da modificare. MailArmor analizza i messaggi email secondo i controlli implementati. WeightArmor esamina i file dei modelli AI rispetto alle verifiche supportate. Il risultato non costituisce una garanzia generale sulla sicurezza del modello.
La suite privilegia l'elaborazione locale. Per ogni modulo vanno esplicitati formati supportati, copertura dei controlli, eventuali connessioni e risultati dei test. Il funzionamento locale è una caratteristica dell'architettura; l'efficacia delle rilevazioni richiede prove dedicate.
Licenze e integrazione nei processi di sviluppo software, nei sistemi di monitoraggio della sicurezza e nei controlli aziendali, con servizi di configurazione e manutenzione.
Privacy Suite
Esaminare i collegamenti e ridurre alcune forme di tracciamento
Il tracciamento online può utilizzare cookie, parametri nei collegamenti e caratteristiche del browser o del dispositivo. Le diverse tecniche richiedono controlli differenti: nessuno strumento garantisce da solo anonimato o protezione completa.
URL Unmasker è dedicato alla ricostruzione dei reindirizzamenti e all'individuazione dei parametri di marketing. La risoluzione dei collegamenti comporta richieste di rete. Cookie Tracker supporta l'ispezione dei cookie e delle relative caratteristiche tecniche. Questi riscontri possono contribuire a una valutazione privacy, senza certificare da soli la conformità GDPR. Data Obfuscator interviene sulle superfici di fingerprinting supportate, con l'obiettivo di ridurre alcune possibilità di riconoscimento del dispositivo. Efficacia e compatibilità dipendono dal browser e dalla configurazione.
La suite comprende strumenti Python e un'estensione browser. Occorre distinguere l'elaborazione sul dispositivo dalle richieste necessarie per consultare siti o risolvere collegamenti. Le verifiche devono indicare versione, browser, casi di prova ed eventuali effetti sul funzionamento delle pagine.
Versione di base gratuita, funzioni professionali e licenze per postazioni aziendali, con configurazione, assistenza e report tecnici.
MLDR
Machine Learning Demonstrable ResultsUna risposta può dichiarare “funziona”, “risolto” o “verificato” senza mostrare una prova sufficiente. Chi deve decidere ha bisogno di distinguere l'esito di un test da una fonte consultata, un'inferenza o un'informazione richiamata dalla memoria.
MLDR organizza le affermazioni secondo la loro provenienza:
Misurato: sostenuto da una prova o da un'osservazione registrata.
Letto: ricavato da una fonte effettivamente consultata.
Dedotto: ottenuto attraverso un ragionamento, con premesse e limiti dichiarati.
Ricordo: richiamato senza una nuova verifica della fonte o del risultato.
L'obiettivo è collegare le dichiarazioni alle evidenze disponibili e segnalare ciò che richiede ulteriori controlli.
Il controllo automatico può individuare elementi verificabili nei materiali disponibili. Non dimostra da solo che una fonte sia corretta o che un test sia adeguato. L'eventuale revisione con altri modelli AI è un passaggio distinto: non sostituisce la prova tecnica e può comportare servizi esterni, secondo la configurazione adottata. La decisione finale rimane alla persona responsabile.
Introduzione del metodo nei processi aziendali, report per board e auditor e servizi periodici di verifica delle evidenze prodotte dagli assistenti AI.
Cosa cerchiamo
Investitori e partner industriali che contribuiscano a scegliere le priorità commerciali, strutturare il team e raggiungere clienti o nuovi segmenti di mercato.
Le collaborazioni possono riguardare licenze, distribuzione, integrazione nei prodotti del partner, sviluppo congiunto e progetti pilota.
La struttura di un eventuale investimento viene definita separatamente, in base al progetto e al veicolo societario.
Cosa portiamo al confronto
Codice e dimostrazioni delle versioni disponibili, report di test, limiti conosciuti e roadmap di sviluppo.
Durante gli incontri riservati possiamo approfondire architettura, configurazioni, procedure di verifica e condizioni necessarie per l'adozione.
Partiamo da un caso d'uso concreto
Il primo confronto serve a individuare una soluzione, un'esigenza del cliente e criteri di successo misurabili.
Maurizio Cirio · Fondatore, MC Project Lab