TruthLens v4.4 - AI DeepFake Detection Platform

40 Detection Modules

10개 섹션 / 42개 워크스페이스 / 170개 기능 (100% 구현 완료)

Section 1

Visual / Deepfake Detection (14 Modules)

ViT Detector

Vision Transformer 기반 딥페이크 분류. Swin-V2, CrossViT, TIMM 세 모델의 앙상블로 탐지 정확도를 높입니다.

구현완료

DIRE Detector

Diffusion Reconstruction Error 기반 탐지. 확산 모델이 남기는 고유한 오차 패턴으로 AI 생성물을 식별합니다.

구현완료

Diffusion Fake Detector

Stable Diffusion, Midjourney, DALL-E 등 확산 모델 생성물 전용 탐지기. 3단계 파이프라인(스크리닝-고속-정밀).

구현완료

DM Detection Orchestrator

Diffusion Model 3단계 파이프라인 오케스트레이터. 스크리닝에서 정밀 분석까지 자동으로 분석 깊이를 조절합니다.

구현완료

SeDID Detector

Semantic Denoising Error 기반 탐지. 의미론적 노이즈 제거 과정의 오류 패턴을 분석합니다.

구현완료

Blending Boundary Detector

LAA(Learned Adaptive Attention) + Poisson 블렌딩 흔적을 교차 분석하여 얼굴 합성 경계면의 부자연스러움을 탐지합니다.

구현완료

Frequency Analyzer

FFT / DCT / Wavelet 세 가지 독립적 주파수 변환으로 GAN 생성 이미지의 "체커보드" 패턴을 교차 검증합니다.

구현완료

Gaze Analyzer

양안 시선 방향 일관성 및 생체적 정상성 분석. 눈 깜빡임 주기, 홍채 반사광 일관성 등 생체 지표를 종합 평가합니다.

구현완료

VLM Analyzer

Vision-Language Model 멀티모달 분석. Chain-of-Thought 프롬프트 + Few-shot 예시로 카테고리별 독립 점수를 유도합니다.

v4.4 FIX

#10

Ensemble Models

Xception / Biological 앙상블 조합으로 여러 모델의 판단을 동적 가중치로 최적화합니다.

구현완료

#11

Ensemble Optimizer

동적 가중치 앙상블 최적화. 분석 상황에 따라 각 모델의 기여도를 자동으로 조정합니다.

구현완료

#12

Few-Shot Learner

Foundation Model + MAML 기반 소수샘플 학습. 새로운 유형의 딥페이크도 적은 샘플로 학습 가능합니다.

구현완료

#13

Beauty Filter Detector

Mesh Warping, Frequency, Semantic Seg, GAN-lite 등 뷰티 필터 4종을 탐지합니다.

구현완료

#14

3-Class Classifier

REAL / FAKE / ANTI-FORENSIC 3분류. 반포렌식 조작 유형을 별도 클래스로 분리하여 탐지 회피 시도를 경고합니다.

구현완료

Section 2

Audio Detection (5 Modules)

#15

Audio SSL Detector

wav2vec 2.0, HuBERT, WavLM 등 Self-Supervised Learning 기반 대규모 사전학습 모델로 합성 음성을 탐지합니다.

구현완료

#16

Audio E2E Detector

End-to-End 오디오 딥페이크 탐지. AASIST, RawNet2, RawGATST 모델을 활용합니다.

구현완료

#17

Vocoder Fingerprint Detector

WaveNet, WaveGlow, HiFi-GAN, MelGAN, BigVGAN 등 20종 이상의 보코더 모델 특성 데이터베이스를 보유합니다.

구현완료

#18

AV Sync Analyzer

영상-음성 동기화 검증. 입술 움직임과 음성의 시간적 일치도를 밀리초 단위로 정밀 분석합니다.

구현완료

#19

Environment Consistency

환경 음향 일관성 분석. 배경 소음, 반향 특성 등의 일관성을 검증합니다.

구현완료

Section 3

Biological / Physiological Detection (3 Modules)

#20

rPPG Analyzer

Remote Photoplethysmography - 원격 심박수 탐지 (CHROM/POS). 피부 색상 미세 변화에서 심장 박동 신호를 추출합니다.

구현완료

#21

Blink Analyzer

눈 깜빡임 패턴 분석 (KS-test). 딥페이크의 비정상적 깜빡임 빈도와 패턴을 통계적으로 검출합니다.

구현완료

#22

Biological Signal Detector

rPPG + Blink + Heart Rate 통합 탐지. 여러 생체 신호를 종합하여 생리학적 일관성을 평가합니다.

구현완료

Section 4

Temporal / Video Detection (9 Modules)

#23

Temporal Advanced Detector

VideoMAE + TALL 기반 시간적 비일관성 탐지. 프레임 스티칭의 급격한 점수 변동을 핵심 단서로 활용합니다.

구현완료

#24

Optical Flow Analyzer

광학 흐름 분석으로 프레임 간 움직임의 자연스러움과 물리적 타당성을 검증합니다.

구현완료

#25

Head Pose Dynamics

Yaw, Pitch, Roll의 역학적 자연스러움을 물리 법칙 기반으로 분석합니다. 물리적으로 불가능한 속도의 회전을 탐지합니다.

구현완료

#26

Lip Forensics Detector

Wav2Lip, VideoRetalking 등 립싱크 도구의 특성 패턴을 학습하여 사용된 도구를 역추적합니다.

구현완료

#27

Micro Expression Analyzer

FACS 기반 43개 AU(Action Unit) 분석으로 0.04~0.5초 사이의 미세 표정 자연스러움을 평가합니다.

구현완료

#28

Cross-Modal Verifier

ForgeFinder 기반 교차 모달리티 검증. 시각, 청각, 생체 신호 간의 일관성을 교차 검증합니다.

구현완료

#29

Forensic Tracker

포렌식 추적 분석기. 조작 흔적의 시간적 흐름을 추적하여 조작 지점과 방법을 역추적합니다.

구현완료

#30

Stream Detector

스트리밍 비디오 탐지 (Webcam/RTSP). 실시간 화상 통화 및 라이브 스트리밍 딥페이크 탐지.

구현완료

#31

Stream Enhanced

강화형 스트림 탐지기. 실시간 스트리밍 환경에 최적화된 경량화 탐지 파이프라인.

구현완료

Section 5

Text / Document / Metadata / Realtime (8 Modules)

#32

OCR Analyzer

PaddleOCR 기반 광학 문자 인식 분석기. 이미지/영상 내 텍스트의 AI 생성 여부를 분석합니다.

구현완료

#33

Text Forensics

AI 생성 텍스트 포렌식 분석. 문체, 통계적 패턴 등을 분석하여 AI 작성 여부를 판별합니다.

구현완료

#34

C2PA Analyzer

콘텐츠 인증 메타데이터 분석. Trust Anchors, AI Assertions 등 C2PA 표준 기반 검증.

구현완료

#35

SynthID Detector

Google SynthID 워터마크 탐지 (이미지/오디오/텍스트). Google DeepMind의 워터마킹 기술 검출.

구현완료

#36

Content Fingerprint

콘텐츠 핑거프린팅. 디지털 핑거프린트를 추출하여 원본 여부와 변조 이력을 추적합니다.

구현완료

#37

Realtime Pipeline

실시간 탐지 파이프라인. 대량의 미디어를 실시간으로 처리하는 스트리밍 아키텍처.

구현완료

#38

Lightweight Detector Chain

경량 탐지기 체인. 실시간 주문용 경량화된 탐지 모듈 체인으로 빠른 응답을 제공합니다.

구현완료

#39

Streaming Detector

스트리밍 탐지 변형. 연속적 데이터 스트림에 최적화된 탐지 알고리즘.

구현완료

Module #40

T-GD Enhanced Detection (8 Sub-modules) - All Tests PASSED

#40-1

T-GD Backbone

ViT-L/CLIP backbone + Fallback CNN. 강력한 시각적 특징 추출기.

PASS

#40-2

Detection Head

AUROC 95%+ 합성 판별. Temperature Scaling으로 교정된 확신도.

PASS

#40-3

Attribution Head

500개 모델 출처 특정. Prototype 기반 모델 귀속 분석.

PASS

#40-4

Legal Evidence Score

법적 증거력 0~100점 (4가지 구성요소). 수사기관 제출 기준: 75점 이상.

PASS

#40-5

Fusion Engine

T-GD 45% + Legacy 35% + Attribution 20% 앙상블 융합 엔진.

PASS

#40-6

Model Registry

500개 생성 모델 DB (15개 패밀리, 5개 모달리티). 모델별 특성 데이터베이스.

PASS

Implementation Summary

170 Total Features

153 Stable (90.0%)

7 v4.4 FIX (4.1%)

10 v4.4 NEW (5.9%)

0 Unimplemented

100% Implementation Rate

8 Multi-Agent AI Frameworks

LangGraph + CrewAI + AutoGen + ADAG + A2A + DSPy + LlamaIndex + GoT

LangGraph — 14-Node StateGraph Orchestration

v4.4 FIX

14노드 비동기 DAG 파이프라인. v4.4.0에서 파이프라인 순서 교정 (few_shot -> ocr -> cross_modal -> fusion), Ontology V-1/V-2 StateKey 순서 위반 해소, CrossModal 이상 징후가 fake_probability에 직접 기여하도록 개선되었습니다.

Nodes 14

Parallel 5 agents

Checkpoint MemorySaver

Preprocess

↓

Visual

Audio

Bio

Few-Shot

A/V Sync

↓

OCR

↓

Cross-Modal

↓

Fusion + Ontology Gate

↓

XAI + HITL

↓

Verdict

CrewAI — 12-Expert Consensus Panel

v4.4 FIX

👁️ Visual Forensics

🎵 Audio Forensics

💜 Biometric

📝 OCR/Document

👄 A/V Sync

⏰ Temporal

👑 Chief Analyst

v4.4 FIX: FAKE>=0.65, REAL<=0.25 / 모달리티 수 기반 confidence 공식 개선

12인 전문가 합의 판정. v4.4.0에서 판정 임계값 확대 (FAKE>=0.65, REAL<=0.25), 단일 모달리티 신뢰도 상한 적용 (1개=60%, 2개=75%), 모달리티 수 기반 confidence 공식이 개선되었습니다.

Experts 12

Memory SQLite

Process Hierarchical

AutoGen — Adversarial Debate System

검찰/변호/반사 적대적 토론. Fusion 점수가 불확실 구간(0.35~0.65)에 진입하면 자동 발동됩니다. Prosecutor는 FAKE, Defense는 REAL을 주장하고, Judge가 최종 판정합니다.

Trigger 0.35~0.65

Modes 1v1 / GroupChat

Avg Time ~19s

⚔️ Prosecutor FAKE

🛡️ Defense REAL

↓

⚖️ Judge VERDICT

ADAG Red Team (5-Layer)

Custom 5-Layer 적대적 테스트. BiologicalSignalInjector, GANFingerprintDisruptor, TemporalManipulator, TextHumanizer, ADAG Harness. DER<10% 조기 종료.

구현완료 Click for details

A2A Protocol Orchestrator

Google ADK 영감의 20 에이전트 5 클러스터 오케스트레이터. 동적 라우팅 + 가드레일 시스템.

구현완료 Click for details

Graph-of-Thought (GoT)

Custom DAG - 6단계 조건부 분기 라우팅. 복잡한 추론 과정을 그래프 구조로 표현합니다.

구현완료 Click for details

DSPy Prompt Optimizer

Stanford DSPy - 12 Signature 자동 최적화. 프롬프트 엔지니어링을 자동화합니다.

구현완료 Click for details

LlamaIndex RAG

LlamaIndex + ChromaDB 기반 위협 인텔리전스. 유사 사례 검색 및 참고 자료 제공.

구현완료 Click for details

ADAG (Adversarial Detection Assessment & Governance)는 5개의 적대적 공격 모듈로 구성된 Red Team 시스템입니다. Red Team이 탐지 시스템을 공격하고, Blue Team(탐지 시스템)이 방어하는 Feedback Loop를 통해 탐지 견고성을 지속적으로 향상시킵니다.

5개 적대적 공격 모듈

#55 BiologicalSignalInjector — rPPG Agent 대상: 합성 PPG/HRV 신호 주입, 눈 깜빡임 패턴 위조
#56 GANFingerprintDisruptor — Visual Agent 대상: FFT 마스킹, 카메라 ISP 시뮬레이션, JPEG 후처리로 GAN 핑거프린트 교란
#57 TemporalConsistencyManipulator — Temporal Agent 대상: 미세운동 주입, 모션블러 추가, 조명 동기화로 시간적 일관성 위장
#58 TextHumanizer — Document Agent 대상: 통계노이즈, 오타, 스타일 변동 주입으로 AI 생성 텍스트 인간화
#59 ADAG Harness (5-Layer) — 전체 시스템 대상: HarnessRunner + TraceLogger + Evaluator 통합 프레임워크

Harness 5-Layer 구조

Layer 1: 공격 시나리오 생성 (Attack Scenario Generator)
Layer 2: 공격 실행 (Attack Executor)
Layer 3: 탐지 결과 수집 (Detection Result Collector)
Layer 4: 성능 평가 (Performance Evaluator)
Layer 5: 피드백 반영 (Feedback Loop Integrator)

운영 방식

Celery Beat을 통해 매일 02:00에 ADAG 적대적 테스트를 자동 실행하고, 03:00에 결과 백업을 수행합니다. Detection Error Rate(DER)가 10% 미만으로 낮아지면 조기 종료됩니다. 발견된 취약점은 자동으로 탐지 모델의 재학습에 반영됩니다.

파일 경로

agents/adag_manager.py, agents/adag_harness/

Forensic & Compliance Tools

법적 증거 수준의 포렌식 보고서 및 규정 준수 도구

📋

Forensic Report

PDF/Excel 형식 포렌식 보고서 자동 생성. 국과수(국립과학수사연구원) 제출 형식 및 수사기관 표준 포맷 지원. SHA-256 해시 체인으로 무결성 보장.

Click for details

🗃️

Fingerprint DB

디지털 핑거프린트(Perceptual Hash)를 데이터베이스에 체계적으로 저장 관리. 동일하거나 변형된 콘텐츠의 재유포를 자동 추적.

Click for details

🚨

Threat Intelligence

딥페이크 위협 현황을 매트릭스 형태로 시각화. 공격 유형별(페이스스왑, 보이스 클로닝 등) x 대상별(금융, 정치 등) 위험도 색상 코드.

Click for details

💡

XAI Deep Dive

SHAP 폭포 차트 + Grad-CAM++ 히트맵 + 베이지안 불확실성 분석. AI 기본법 제15조의 판단 근거 설명 의무를 직접 충족.

Click for details

🔍

Model Fingerprinter

6단계 핑거프린팅 파이프라인(노이즈 추출->주파수 분석->인과 패턴->시간적 특성->위험도 평가->최종 귀속)으로 500개 이상 AI 모델 역추적.

Click for details

🎯

T-GD Attribution

전이학습 기반 500개 생성 모델 출처 특정. AUROC 95%+, LES(Legal Evidence Score) 75점 이상시 수사기관 제출 가능.

Click for details

🛡️

Proactive Defense

비가시적 워터마크(Invisible Watermark) 삽입 도구. PGD, FGSM 등 6종의 적대적 방어 기법. PSNR 40dB 이상 고품질 설정으로 육안 구별 불가.

Click for details

📜

Audit Logger

AI 기본법 제15조 준수 감사 로그 (SHA-256 해시 체인). 모든 판정 결과에 타임스탬프, 무결성 검증, XAI 시각화를 포함합니다.

Click for details

Platform Infrastructure

93개 기능 구현 완료 - API, Core, Gateway, Dashboard, SDK, DevOps

API / Server (7)

FastAPI REST Server, Unified Server, Celery Task Queue, Gradio UI, WebSocket Server, API Models

Click for details

AI Core (18)

Audit Logger, Database Models (8 ORM), Edge Optimizer (ONNX+INT8), Inference Client, Media Downloader (yt-dlp), Metrics, Model Registry, Ollama Client

Click for details

Reporter / XAI (6)

Korean Reporter (Qwen2.5), Report Generator (PDF/JSON), Excel Exporter, XAI Explainer, XAI Visualizer, SHAP Explainer

Click for details

NestJS Gateway (12)

JWT Auth, API Key Strategy, RBAC, Email Verification, Users CRUD, Organizations, Detect Proxy, Quota Guard, Cache, Usage Tracking, Task WebSocket, Ollama Module

Click for details

Dashboard Pages (30)

Analyze, Results, History, BI, Forensic Report, Realtime Monitor, ADAG, AutoGen Debate, Multi-Agent, XAI Deep Dive, Frequency, Temporal, Audio, Blending, DM Detection, ViT, 3-Class, Lip Forensics, Head Pose, Gaze, Micro Expression, Vocoder, Proactive Defense, Foundation Models, Model Distillation, Threat Intel, Fingerprint DB, MC Simulation, Model Fingerprinter, T-GD Attribution, Ontology Pipeline

Click for details

SDK & DevOps

Python SDK (TruthLensClient), TypeScript SDK (24+ methods), Docker Compose (12 services), Nginx + SSL, PostgreSQL Migrations, Prometheus + Grafana (15 panels), Helm Charts (K8s), GPU Scheduling

Click for details

TruthLens의 핵심 인프라 모듈로, 데이터베이스, 모델 관리, 보안, 성능 최적화 등 18개 핵심 모듈을 포함합니다.

모듈 상세

#67 Audit Logger (core/audit_logger.py) — AI 기본법 제15조 준수 감사 로그 (SHA-256 해시 체인)
#68 Celery App Config (core/celery_app.py) — Celery Beat 스케줄 (02:00 ADAG / 03:00 백업)
#69 Database Models (core/database.py) — SQLAlchemy 8개 ORM 모델 (PostgreSQL)
#70 Edge Optimizer (core/edge_optimizer.py) — ONNX 변환 + INT8 양자화 (모바일/엣지)
#71 Error Tracker (core/error_tracker.py) — 에러 추적 및 분류
#72 i18n 다국어 (core/i18n/) — 한국어/영어/일본어/중국어 4개 국어
#73 Inference Client (core/inference_client.py) — Ollama/외부 모델 추론 클라이언트
#74 Media Downloader (core/media_downloader.py) — yt-dlp 기반 YouTube/SNS URL 다운로드 (1000+ 사이트)
#75 Metrics (core/metrics.py) — 성능 메트릭 수집
#76 MinIO Client (core/minio_client.py) — 오브젝트 스토리지 (미디어 파일 관리)
#77 Model Distillation (core/model_distillation.py) — 모델 증류(경량화), API 파이프라인 연동 완료
#78 Model Registry (core/model_registry.py) — 모델 버전 관리 레지스트리 (minicpm-v:8b 추가, v4.4 FIX)
#79 Ollama Client (core/ollama_client.py) — Ollama LLM/VLM 관리자 (디폴트 minicpm-v:8b, v4.4 FIX)
#80 Performance Profiler (core/performance_profiler.py) — 성능 프로파일링
#82 Redis Client (core/redis_client.py) — Redis 캐시/세션 관리
#83 Security Module (core/security.py) — 보안 유틸리티
#84 Serialization Utils (core/serialization_utils.py) — numpy/torch 직렬화 변환

v4.4.0 Changes

v4.3.0 대비 +13 기능 (신규 10 + 개선 7)

NEW

OWL Ontology System (10 features)

OWL 2.0 Turtle Ontology File, Ontology Validator, SWRL 6 Rules, Ontology REST API 3개, Dashboard Pipeline Page

Click for details

FIX

VLM Analyzer (#9)

Chain-of-Thought + Few-shot, VLM 모델 교체 (minicpm-v:8b), 타임아웃 단축 (120s->45s), Sigmoid 점수 정규화, 텍스트 기반 점수 보정

Click for details

FIX

LangGraph Orchestrator (#40)

파이프라인 순서 교정, Ontology StateKey 순서 위반 해소, CrossModal 이상 징후 반영, Ontology 게이트 통합

Click for details

FIX

CrewAI Verdict (#42)

판정 임계값 확대 (FAKE>=0.65, REAL<=0.25), 단일 모달리티 신뢰도 상한, confidence 공식 개선

Click for details

FIX

Model Registry & Ollama Client

minicpm-v:8b 추가, VLM 디폴트 모델 변경

Click for details

FIX

Gradio UI & LLM Settings

탐지/ADAG/리포트 UI 개선, LLM/VLM 모델 설정 페이지 개선

Click for details

Detection 확신도	최대 30점	T-GD Detection Head의 판별 확신도
Attribution 확신도	최대 35점	출처 모델 특정의 확신도
Top-1/2 마진	최대 20점	1순위와 2순위 후보 간 점수 격차
다중 합의	최대 15점	기존 모듈과의 판정 일치율

VLM 모델 교체	deepseek-r1:8b (텍스트 전용) → minicpm-v:8b (비전 모델) — 이미지를 직접 이해하는 비전 모델로 교체하여 분석 정확도 향상
타임아웃 단축	120s → 45s (프레임당) — 응답 없는 프레임에 대한 대기 시간 62% 감소
샘플 프레임 증가	5개 → 8개 — 더 많은 프레임을 분석하여 시간적 커버리지 향상
실패 프레임 제외	`_fallback` / `_unanalyzed` 마커로 실패 프레임 완전 제외, 성공 프레임만 집계
Sigmoid 정규화	균일 점수(std<0.5) 감지 시 극단값 완화 — VLM 환각(hallucination) 방지
텍스트 점수 보정	VLM 설명 키워드("manipulated", "synthetic" 등)로 수치 점수 상향 교정

판정 임계값 확대	기존: FAKE≥0.55, REAL≤0.35 → 수정: FAKE≥0.65, REAL≤0.25. 불확실 구간을 넓혀 오판을 줄이고, 확실한 경우에만 FAKE/REAL 판정
단일 모달리티 신뢰도 상한	1개 모달리티만 분석된 경우 최대 신뢰도 60%, 2개 모달리티는 75%로 상한 적용. 단일 증거에 의한 과신(overconfidence) 방지
confidence 공식 개선	모달리티 수 기반 confidence 공식 개선. 분석된 모달리티가 많을수록 최대 신뢰도가 높아지는 합리적 구조

VLM (비전)	minicpm-v:8b (디폴트) — 이미지/영상 분석용
LLM (텍스트)	Qwen2.5:7b — 텍스트 분석 및 설명 생성용
Embedding	nomic-embed-text — 벡터 검색용

Detection 확신도	최대 30점	T-GD Detection Head의 판별 확신도
Attribution 확신도	최대 35점	출처 모델 특정의 확신도
Top-1/2 마진	최대 20점	1순위와 2순위 후보 간 점수 격차
다중 합의	최대 15점	기존 모듈과의 판정 일치율

소요 시간	10~30초
정확도	보통
권장 상황	대량 스크리닝, 긴급 확인

소요 시간	1~5분
정확도	높음
권장 상황	일반적인 분석 (기본 권장 모드)

소요 시간	5~15분
정확도	최고
권장 상황	수사 증거, 법적 활용

생체신호 (Bio)	30%	심박수, 눈 깜빡임
시각 (Visual)	25%	영상 프레임 조작 흔적
오디오 (Audio)	15%	음성 합성/변조 탐지
A/V 동기화	15%	입 모양-음성 일치
Few-Shot	10%	유사 학습 결과
OCR / 텍스트	5%	텍스트 포렌식 분석

TruthLens v4.4 AI DeepFake Detection Platform

Why DeepFake Detection?

Core Differentiators

40 Detection Modules

8 Multi-Agent Frameworks

OWL Ontology (v4.4 NEW)

T-GD Enhanced Detection

Biological Signal Verification

Privacy Guaranteed

Explainable AI (XAI)

ADAG Red Team (5-Layer)

3 Analysis Modes

40 Detection Modules

Visual / Deepfake Detection (14 Modules)

ViT Detector

DIRE Detector

Diffusion Fake Detector

DM Detection Orchestrator

SeDID Detector

Blending Boundary Detector

Frequency Analyzer

Gaze Analyzer

VLM Analyzer

Ensemble Models

Ensemble Optimizer

Few-Shot Learner

Beauty Filter Detector

3-Class Classifier

Audio Detection (5 Modules)

Audio SSL Detector

Audio E2E Detector

Vocoder Fingerprint Detector

AV Sync Analyzer

Environment Consistency

Biological / Physiological Detection (3 Modules)

rPPG Analyzer

Blink Analyzer

Biological Signal Detector

Temporal / Video Detection (9 Modules)

Temporal Advanced Detector

Optical Flow Analyzer

Head Pose Dynamics

Lip Forensics Detector

Micro Expression Analyzer

Cross-Modal Verifier

Forensic Tracker

Stream Detector

Stream Enhanced

Text / Document / Metadata / Realtime (8 Modules)

OCR Analyzer

Text Forensics

C2PA Analyzer

SynthID Detector

Content Fingerprint

Realtime Pipeline

Lightweight Detector Chain

Streaming Detector

T-GD Enhanced Detection (8 Sub-modules) - All Tests PASSED

T-GD Backbone

Detection Head

Attribution Head

Legal Evidence Score

Fusion Engine

Model Registry

Implementation Summary

8 Multi-Agent AI Frameworks

LangGraph — 14-Node StateGraph Orchestration

CrewAI — 12-Expert Consensus Panel

AutoGen — Adversarial Debate System

ADAG Red Team (5-Layer)

A2A Protocol Orchestrator

Graph-of-Thought (GoT)

DSPy Prompt Optimizer

LlamaIndex RAG

#4 ADAG Red Team (5-Layer)

5개 적대적 공격 모듈

Harness 5-Layer 구조

운영 방식

파일 경로

#5 A2A Protocol Orchestrator