Keamanan AIAgen 🇺🇸 06.08.2026 22:02

Mengamankan Agen AI dengan Kebijakan Temporal di Amazon Bedrock AgentCore

Amazon Web ServicesAmazon Web Services
AWS memperkenalkan kebijakan temporal di Amazon Bedrock AgentCore, yang memungkinkan aturan otorisasi stateful untuk mengevaluasi permintaan agen dalam konteks riwayat lintasannya. Kebijakan ini menegakkan urutan alur kerja, mencegah fabrikasi data, membatasi eksposur keuangan, dan mewajibkan persetujuan manusia, yang berjalan di perimeter gateway untuk mencegah bypass. Contoh praktis dengan agen perbankan privat menunjukkan implementasi menggunakan bahasa kebijakan Dogwood.
Amazon Bedrock AgentCore kini menawarkan kebijakan temporal yang memperluas mesin kebijakan tanpa status yang ada untuk mengevaluasi setiap permintaan dalam konteks peristiwa sebelumnya dalam sesi agen. Karena berjalan di perimeter AgentCore Gateway, di luar kode agen, kebijakan ini tidak dapat disadap atau dimanipulasi. Kasus penggunaan mencakup penegakan integritas output di seluruh alat yang dirantai, pengurutan panggilan alat, persetujuan manusia untuk tindakan yang memiliki hak istimewa, dan kesegaran data. Kebijakan beroperasi pada panggilan alat Model Context Protocol (MCP), panggilan antar-agen, dan panggilan inferensi model yang dirutekan melalui gateway. Setiap permintaan harus membawa header x-amzn-bedrock-agentcore-policy-session-id, dan sesi didefinisikan dengan menggabungkan ID sesi dengan identitas pengguna akhir, dengan jendela melihat ke belakang maksimum 24 jam. Posting blog ini membahas contoh agen perbankan swasta, yang memerlukan kebijakan seperti menegakkan urutan panggilan alat (get_client_profile, lalu load_portfolio, lalu rebalance_portfolio), memastikan portfolio_id cocok, mensyaratkan harga pasar dalam 1 menit dari perdagangan, membatasi total nilai perdagangan maksimum $60.000 per sesi, mensyaratkan persetujuan untuk perdagangan di atas $25.000, mencegah pembelian dan penjualan sekuritas yang sama dengan kerugian, dan menonaktifkan operasi tulis setelah 15 menit tidak aktif. Implementasi menggunakan bahasa kebijakan Dogwood, yang mendukung kebijakan Cedar dan memungkinkan kondisi temporal.
Sumber: AWS ML blog — asli
Postingan kami sebelumnya tentang topik ini ↓
Berita terbaru