Tamnoon beschreibt in einem AWS-Blogbeitrag Tami, einen agentenbasierten Orchestrator für die Behebung von Cloud-Sicherheitsbefunden auf Amazon Bedrock. Er verarbeitet Befunde aus AWS, Azure, Google Cloud und weiteren Umgebungen. Der Ablauf trennt Untersuchungen von Änderungen und verlangt eine unabhängige Sicherheitsbewertung vor dem Entwurf einer Abhilfe.

Vom Befund zur Entscheidung

Die Plattform übernimmt Befunde über API-Integrationen mit CNAPPs, CSPM-Anbietern und cloudnativen Werkzeugen. Sie vereinheitlicht diese in einem gemeinsamen Schema und ergänzt vor der Priorisierung Informationen zu Ressourcen und Expositionen. Genannte Quellen sind Wiz, CrowdStrike, Palo Alto Cortex, Upwind, SentinelOne, Orca, Cyera, AWS Security Hub und GuardDuty.

Tami verteilt die Arbeit auf vier spezialisierte Agenten. Der Untersuchungsagent erstellt ausschließlich lesende Prüfschritte und einen vollständigen Plan; eine Validierungsschicht nutzt ein Sprachmodell als Prüfer. Der Agent zur Sicherheitsbewertung verbindet automatische Prüfungen mit Analystenbefunden zu einer Beweiskette je Ressource. Er vergibt konservativ SAFE, RISKY oder AWAITING DATA. Dieser Remediation Confidence Indicator kennzeichnet, welche Arbeiten automatisiert werden können und welche menschliche Prüfung benötigen.

Änderungen vorbereiten und prüfen

Der Abhilfeagent wird nur für als sicher bewertete Befunde aktiv. Er plant Reihenfolge, Abhängigkeiten und Bedingungen. Jeder Schritt umfasst Sicherung, Behebung und Verifikation sowie Hinweise zum Rückgängigmachen. Der Codegenerator übersetzt den Plan in ausführbare Abhilfen, nachdem eine Eingangskontrolle Relevanz und Prompt-Injection prüft. Jedes Artefakt durchläuft einen Erstellungs- und Prüfzyklus, der die Freigabe eines separaten Prüfagenten erfordert.

Laut Beitrag werden Ausgaben mit Automatisierungsergebnissen, Nutzerfeedback und Trainingsdaten tatsächlich behobener Warnmeldungen abgeglichen. Dazu kommen Selbstprüfung, erneute Generierung und bei Bedarf menschliche Beteiligung. KI-Funktionen werden vor dem Kundeneinsatz intern getestet.

Modelle und Infrastruktur

Tamnoon wählte Bedrock wegen des Modellzugangs über eine API. So lassen sich Modelle an Qualitäts- und Kostenanforderungen für Schlussfolgerungen, Validierung und Prüfung anpassen. Die beschriebenen Tami-Aufgaben verwenden Anthropic Claude über ChatBedrockConverse. Die Inferenz läuft im AWS-Konto von Tamnoon in kommerziellen US-Regionen; Cross-Region inference verteilt Anfragen innerhalb der USA. Laut Beitrag speichert Bedrock weder Eingaben noch Antworten und verwendet sie nicht zum Training.

Die Plattform läuft in eigenen, nach Umgebung getrennten AWS-Konten. API Gateway bildet den Eingang, Certificate Manager verwaltet die Verschlüsselung und Cognito die Anmeldung. Der Kern arbeitet in privaten Netzen über mehrere Availability Zones. EKS betreibt Dashboard-Dienste; Lambda sammelt und analysiert Befunde und führt Abhilfen aus. EventBridge, SQS und Step Functions koordinieren die parallele Verarbeitung, damit ein fehlerhafter Datensatz andere nicht aufhält.

Berechtigungen und Nachvollziehbarkeit

Bedrock AgentCore steuert Agentenaktionen, Guardrails prüfen Anfragen und erzeugten Code. Die beschriebenen Kontrollen erfassen jede Anfrage und Antwort, maskieren personenbezogene und geheimnisähnliche Inhalte, filtern Prompt-Injection und protokollieren Eingriffe. Lambda-Dienste liegen in privaten VPC-Subnetzen ohne öffentlichen Eingang und mit kontrolliertem ausgehendem Verkehr.

KI-Agenten besitzen keine Cloud-Zugangsdaten. Die isolierte Ausführung nutzt kurzlebige, mandantengebundene Zugangsdaten unter kundenseitiger Vertrauenskontrolle. Jeder Dienst hat eine eigene IAM-Rolle mit begrenzten Rechten. Bedrock erlaubt nur festgelegte Modellaufrufe, keine Modellverwaltung, kein Training und keinen Export. Jeder Aufruf verarbeitet eine SQS-Nachricht und Daten eines Mandanten. Dienste authentifizieren sich über anwendungsspezifische OAuth2-Client-Zugangsdaten in Cognito.

Verwaltete Datenbanken und Caches halten den Zustand, S3 speichert Ablaufpläne und Artefakte, Secrets Manager die Zugangsdaten. Ergebnisse lassen sich an Slack, Jira, ServiceNow und GitHub übergeben. Abhilfen durchlaufen Freigaben mit Prüfprotokollen. Konfigurationen sind in CloudFormation und SAM versioniert, Modelle auf datierte Kennungen festgelegt. Laut Beitrag zeichnet CloudTrail jeden Inferenzaufruf auf; die Dekodiertemperatur beträgt null. Warteschlangen, Fehlerbehandlung und CloudWatch-Alarme an den Bereitschaftsdienst unterstützen die Überwachung.

Gemeldete Ergebnisse und Grenzen

Dem Beitrag zufolge hat Tami mehr als 14 Millionen Cloud-Warnmeldungen analysiert. Tamnoon meldet über 90 % weniger kritische Cloud-Exposition innerhalb von 90 Tagen ohne Produktionsprobleme und verweist dafür auf eigene Forschung. Die vorliegenden Belege enthalten keine unabhängige Bestätigung, Stichprobengröße oder Messmethodik. Weniger manuelle Arbeit und mehr behobene Expositionen je Analyst werden nicht beziffert. SAFE-Aktionen können automatisch laufen; bei RISKY und AWAITING DATA wirken Cloud-Ingenieure von Tamnoon mit. Die Ergebnisse sind keine Garantie für jeden Kunden.