AI Multi-Agen untuk Operasi Keamanan Produksi: Arsitektur A2A dan MCP di Jaringan Inti 5G
Google/DeepMind
Anthropic
Seorang operator telekomunikasi tier-1 telah menerapkan sistem AI multi-agen untuk operasi keamanan di jaringan inti 5G mereka, menggunakan protokol Agent-to-Agent (A2A) untuk koordinasi dan Model Context Protocol (MCP) untuk integrasi lingkungan. Sistem ini mengurangi waktu rata-rata deteksi dan respons hingga sekitar 40%, menghasilkan lebih dari 80 aturan deteksi secara otomatis, dan memangkas waktu pembuatan aturan manual dari 3 jam menjadi 15 menit.
Arsitektur ini dirancang untuk jaringan inti 5G produksi, yang menghasilkan lebih banyak telemetri keamanan per jam daripada yang diterima oleh pusat operasi keamanan perusahaan (SOC) pada umumnya dalam seminggu. Arsitektur ini menggantikan dua pola mainstream yang tidak efektif: satu LLM yang kesulitan dengan batasan jendela konteks, ketidakpastian, dan manajemen perubahan; serta GenAI yang terintegrasi ke dalam sistem SIEM/SOAR lama yang masih memerlukan penulisan aturan manual. Sistem multi-agen yang diusulkan ini menampilkan agen-agen sempit dengan kontrak satu halaman, koordinasi melalui protokol A2A terbuka (yang dirilis sebagai sumber terbuka oleh Google dan disumbangkan ke Linux Foundation), integrasi lingkungan melalui MCP (yang disumbangkan oleh Anthropic), agen peninjau istimewa yang menggunakan OPA dan Kyverno untuk penegakan kebijakan deterministik, serta manusia-dalam-lingkaran (human-in-the-loop) sebagai keluaran kelas satu. Sebelum pemanggilan LLM apa pun, model Isolation Forest menyaring telemetri terlebih dahulu, hanya mengirim sampel anomali ke agen yang digerakkan oleh LLM. Agen peninjau menggunakan OPA untuk invarian keamanan bisnis (radius ledakan, kepercayaan diri, reversibilitas) dan Kyverno untuk invarian keamanan platform (registri tepercaya, kebijakan jaringan). Hasil yang terukur mencakup peningkatan MTTD (Mean Time to Detect) dan MTTR (Mean Time to Respond) sebesar 40%, lebih dari 80 aturan deteksi yang dihasilkan secara otomatis, dan pengurangan upaya manual sebesar 12 kali lipat untuk aturan baru. Sistem ini dapat memantau 10-20 fungsi jaringan 5G secara bersamaan. Keterbatasan berlaku ketika jumlah aturan sedikit, logika deteksi harus bersifat deterministik, atau fungsi rekayasa tidak mencakup kebijakan keamanan peninjau. Pelajaran kunci meliputi membangun agen peninjau terlebih dahulu, menambahkan pra-penyaringan anomali sejak hari pertama, menghindari prompt yang cerdik, dan menerbitkan pola referensi sejak awal.
Sumber: InfoQ 中国 —
asli