Cloudflare diegia kelių AI agentų sistemą saugumo įspėjimams rūšiuoti dideliu mastu
Trumpai: Cloudflare sukūrė AI agentų sistemą savo „Managed Defense“ saugumo paslaugai, skirtą tvarkyti įspėjimų antplūdį, kuris apsunkina žmonių analitikų darbą. Vietoj vieno bendros paskirties agento, analizuojančio viską, sistema atskiria deterministinį duomenų rinkimą nuo modeliu pagrįsto samprotavimo ir lygiagrečiai paleidžia keturis specializuotus agentus prieš sintezės agentą, sujungiantį išvadas. Bendrovė teigia, kad tai sumažina haliucinacijas ir padaro tyrimus audituojamus bei atkuriamus.
Šią santrauką automatiškai parengė dirbtinis intelektas pagal „Cloudflare Security“ publikaciją. Tai mūsų tekstas, ne originalo kopija — faktai, skaičiai ir citatos priklauso šaltiniui, kurio nuoroda pateikta viršuje ir apačioje.
Kas pasikeitė?
- 1Pirmasis prototipas su vienu bendros paskirties agentu sukūrė įrodymais nepagrįstus teiginius — Cloudflare pakeitė požiūrį
- 2Deterministinis kodas dabar atlieka žvalgybą (tapatybė, aptikimų istorija, srauto bazinė linija, tinklo duomenys) prieš bet kokią AI išvadą
- 3Clef, Cloudflare atvirojo kodo sprendimų modelis, veikiantis Workers AI, anksti atfiltruoja akivaizdžius klaidingus pranešimus, kad giliau analizuojami tik neaiškūs įspėjimai
- 4Keturi specializuoti agentai (srauto, kliento konteksto, globalios telemetrijos, grėsmių žvalgybos) lygiagrečiai analizuoja įspėjimus, kiekvienas apribotas savo įrodymų sritimi
- 5Sintezės agentas sujungia specialistų išvadas į vieną ataskaitą naudodamas tik patvirtintą klasifikacijų žodyną — jis negali rinkti naujų įrodymų
- 6Cloudflare naudoja patvirtintus OpenAI Daybreak ir Anthropic modelius, įskaitant GPT-5.6 Cyber ir Mythos, gilesnei analizei
- 7Įrodymų paketas yra versijuojamas; kiekvieną citatą tikrina programos kodas prieš parengiant ataskaitą
- 8Sistema skiria būsenas „netikrinta“, „patikrinta, atitikmens nerasta“ ir „patikrinta, yra įrodymų apie nebuvimą“, o ne slepia nepavykusias užklausas
- 9Ankstyva beta versija pasiekiama „Managed Defense“ tinkamiems programų saugumo įspėjimams ir atvejams; veikia su Workers, Workflows, D1, R2 ir Durable Objects
Kodėl tai svarbu?
Tai parodo brandų modelį, kaip diegti agentinį AI didelės rizikos operacinėse aplinkose: atskiriant faktų rinkimą nuo samprotavimo, siaurai apibrėžiant kiekvieną agentą ir reikalaujant citatų pagal fiksuotą įrodymų momentinę kopiją, kad sumažėtų haliucinacijos ir būtų galima atkurti bei audituoti sprendimus.
Ką tai reiškia AI agentams ir kontaktų centrams?
Tie patys principai — deterministinis duomenų rinkimas prieš AI samprotavimą, siaurai apibrėžti specializuoti agentai ir citatų tikrinimas — naudingi kuriant balso AI agentus ir skambučių analizės procesus, kurie turi išvengti haliucinuotų teiginių ir išlikti audituojami, pavyzdžiui, kokybės vertinime, sukčiavimo aptikime skambučių sraute ar atitikties ataskaitose.
🧪 Verta testuoti
Žvalgybos pirma, siaurų agentų ir citatų tikrinimo modelis gali būti pritaikytas patikimumui ir audituojamumui pagerinti agentais paremtose skambučių analizės ar automatizavimo sistemose, kurios šiuo metu remiasi vienu dideliu konteksto prompt'u.
Evidence-grounded multi-agent harness (Clef + specialist AI agents)· Nauja
Šaltiniai
- Cloudflare SecurityOficialusPirminis šaltinisOriginalus straipsnis →„Building an evidence-grounded agentic security operations harness on Cloudflare“2026-10-07 19:30Licencija: robots.txt Content-Signal: ai-input=yes · mūsų santrauka (turinys pakeistas)
- Šaltinio publikavimo data
- 2026-10-07 19:30
- Mūsų sistema rado
- 2026-10-07 19:36
- Santrauka sugeneruota
- 2026-10-07 19:37
Straipsnį pagal originalų šaltinį parašė AI. Faktai, skaičiai ir kainos — iš šaltinio; trūkstamos reikšmės pažymėtos „Nėra oficialių duomenų“. Teisinė informacija, autorių teisės ir privatumas