Tamnoon wykorzystuje agentów Amazon Bedrock do automatyzacji naprawy luk w zabezpieczeniach chmury
W skrócie: Tamnoon zbudował Tami — agentowy orkiestrator na Amazon Bedrock, który bada ustalenia dotyczące bezpieczeństwa chmury pochodzące z CNAPP i dostawców chmury, ocenia bezpieczeństwo naprawy i generuje poprawki z mechanizmami kontrolnymi. Firma zgłasza ponad 90% redukcję krytycznych ekspozycji w chmurze w ciągu 90 dni, bez żadnych problemów produkcyjnych. System wykorzystuje czterech wyspecjalizowanych agentów (dochodzeniowego, oceny bezpieczeństwa, naprawy, generowania kodu), z których każdy wywołuje różne modele podstawowe przez Bedrock, a Bedrock Guardrails i wnioskowanie między regionami zapewniają bezpieczeństwo i skalę.
To podsumowanie zostało automatycznie przygotowane przez sztuczną inteligencję na podstawie publikacji „AWS Machine Learning”. To nasz tekst, nie kopia oryginału — fakty, liczby i cytaty należą do źródła, do którego link znajduje się powyżej i poniżej.
Co się zmieniło?
- 1Czterech wyspecjalizowanych agentów AI obsługuje dochodzenie, ocenę bezpieczeństwa, planowanie naprawy i generowanie kodu
- 2Każdy agent przez jedno API wywołuje model Bedrock najlepiej dopasowany do swojego zadania
- 3Bedrock Guardrails maskują dane PII i blokują prompt injection, zanim dane dotrą do modeli
- 4Naprawa wykonywana jest wyłącznie przez krótkotrwałe, przypisane klientowi poświadczenia, których AI nigdy bezpośrednio nie posiada
- 5Każdy wygenerowany artefakt kodu przechodzi automatyczną pętlę zatwierdzania przez agenta recenzującego
- 6Zgłoszony wynik: ponad 90% redukcja krytycznych ekspozycji w chmurze w ciągu 90 dni, zero problemów produkcyjnych
Dlaczego to ważne?
To konkretny przykład orkiestracji wielu agentów przy wysokim ryzyku, nieodwracalnych działaniach (zmiana działającej infrastruktury chmurowej), pokazujący, jak mechanizmy kontrolne, ocena pewności i izolacja poświadczeń mogą uczynić autonomiczną naprawę wystarczająco bezpieczną do użytku produkcyjnego.
Co to oznacza dla agentów AI i contact center?
Warstwowy wzorzec bezpieczeństwa — dochodzenie tylko do odczytu, konserwatywna ocena bezpieczeństwa, przepływy zatwierdzania, krótkotrwałe ograniczone poświadczenia i automatyczni agenci recenzujący — to przydatny wzorzec architektoniczny dla każdego zespołu budującego autonomicznych agentów podejmujących realne działania (np. modyfikujących rekordy CRM, uruchamiających przepływy pracy czy wykonujących wywołania narzędzi), a nie tylko generujących tekst.
Źródła
- AWS Machine LearningOficjalneŹródło pierwotneOryginalny artykuł →„How Tamnoon built AI-powered cloud security remediation with Amazon Bedrock“14 paź 2026, 16:53
- Data publikacji źródła
- 14 paź 2026, 16:53
- Znalezione przez nasz system
- 14 paź 2026, 17:11
- Podsumowanie wygenerowano
- 14 paź 2026, 17:14
Artykuł napisała AI na podstawie oryginalnego źródła. Fakty, liczby i ceny pochodzą ze źródła; brakujące wartości oznaczono „Brak oficjalnych danych”. Informacje prawne, prawa autorskie i prywatność