W artykule na blogu AWS Tamnoon opisuje Tami, agentowy system koordynujący naprawy problemów bezpieczeństwa w chmurze, zbudowany na Amazon Bedrock. Obsługuje ustalenia z AWS, Azure, Google Cloud i innych środowisk. Opisany proces oddziela analizę od zmian i wymaga niezależnej oceny bezpieczeństwa przed przygotowaniem naprawy.

Od wykrycia do decyzji

Platforma pobiera ustalenia przez integracje API z CNAPP, dostawcami CSPM i narzędziami chmurowymi. Ujednolica je we wspólnym schemacie, a przed ustaleniem priorytetów dodaje kontekst zasobów i ekspozycji. Wśród źródeł wymieniono Wiz, CrowdStrike, Palo Alto Cortex, Upwind, SentinelOne, Orca, Cyera, AWS Security Hub i GuardDuty.

Tami rozdziela pracę między czterech wyspecjalizowanych agentów. Agent analityczny przygotowuje kroki tylko do odczytu i kompletny plan, wspierany przez warstwę walidacji wykorzystującą model językowy jako oceniającego. Agent oceny bezpieczeństwa łączy automatyczną weryfikację z ustaleniami analityków w łańcuch dowodów dla każdego zasobu. Zachowawczo przypisuje status SAFE, RISKY lub AWAITING DATA. Ten wskaźnik zaufania do naprawy rozróżnia działania nadające się do automatyzacji od wymagających oceny człowieka.

Przygotowanie i kontrola zmian

Agent naprawczy uruchamia się tylko dla ustaleń uznanych za bezpieczne. Planuje kolejność, zależności i warunki. Każdy krok obejmuje kopię zapasową, naprawę i weryfikację oraz wskazówki dotyczące wycofania zmian. Agent generujący kod przekształca plan w wykonywalną naprawę po kontroli adekwatności wejścia i prób manipulowania instrukcjami. Każdy artefakt przechodzi cykl generowania i kontroli, wymagający zatwierdzenia przez odrębnego agenta recenzującego.

Według artykułu wyniki są porównywane z rezultatami automatyzacji, opiniami użytkowników i danymi treningowymi z rzeczywiście rozwiązanych alertów. Proces obejmuje ponowną ocenę, regenerację oraz udział człowieka, gdy jest potrzebny. Funkcje AI są testowane wewnętrznie przed udostępnieniem klientom.

Modele i infrastruktura

Tamnoon wybrał Bedrock ze względu na dostęp do modeli przez jedno API, umożliwiający dopasowanie jakości i kosztów do rozumowania, walidacji i kontroli. Opisane zadania Tami wywołują Anthropic Claude przez ChatBedrockConverse. Inferencja odbywa się na koncie AWS Tamnoonu w komercyjnych regionach USA, a Cross-Region inference kieruje żądania w granicach USA. Artykuł podaje, że Bedrock nie zachowuje zapytań ani odpowiedzi i nie używa ich do trenowania.

Platforma działa na własnych kontach AWS, odizolowanych według środowiska. API Gateway stanowi punkt wejścia, Certificate Manager zarządza szyfrowaniem, a Cognito logowaniem. Rdzeń działa w prywatnych sieciach w wielu strefach dostępności. EKS obsługuje usługi panelu, natomiast Lambda zbiera i analizuje ustalenia oraz wykonuje naprawy. EventBridge, SQS i Step Functions koordynują przetwarzanie równoległe, aby błędny rekord nie zatrzymywał pozostałych.

Uprawnienia, dane i nadzór

Bedrock AgentCore nadzoruje działania agentów, a Guardrails kontrolują żądania i wygenerowany kod. Opisane mechanizmy obejmują każde żądanie i odpowiedź, maskują dane osobowe oraz treści przypominające sekrety, filtrują manipulację instrukcjami i rejestrują interwencje. Usługi Lambda pracują w prywatnych podsieciach VPC bez publicznego ruchu przychodzącego i z kontrolowanym ruchem wychodzącym.

Agenci AI nie posiadają poświadczeń chmurowych. Odizolowane wykonanie korzysta z krótkotrwałych poświadczeń ograniczonych do danego tenanta, przy kontroli zaufania po stronie klienta. Każda usługa ma własną rolę IAM i ograniczone uprawnienia. Dostęp do Bedrock pozwala wywoływać wskazane modele, bez zarządzania nimi, trenowania czy eksportu. Jedno wywołanie przetwarza jedną wiadomość SQS i dane jednego tenanta. Usługi uwierzytelniają się przez poświadczenia klientów OAuth2 przypisane do aplikacji w Cognito.

Zarządzane bazy i pamięć podręczna przechowują stan, S3 procedury i artefakty, a Secrets Manager poświadczenia. Wyniki można przekazywać do Slacka, Jira, ServiceNow i GitHuba. Naprawy przechodzą zatwierdzanie ze śladem audytowym. Konfiguracja jest wersjonowana w CloudFormation i SAM, a modele mają ustalone identyfikatory z datą. Artykuł podaje, że CloudTrail zapisuje każde wywołanie inferencji, a temperatura dekodowania wynosi zero. Kolejki, obsługa błędów i alarmy CloudWatch kierowane do dyżurnych wspierają nadzór.

Deklarowane wyniki i ograniczenia

Według artykułu Tami przeanalizował ponad 14 milionów alertów chmurowych. Tamnoon deklaruje spadek krytycznej ekspozycji o ponad 90% w 90 dni bez problemów produkcyjnych, powołując się na własne badania. Dostarczone materiały nie ustalają niezależnej walidacji, wielkości próby ani metodologii pomiaru. Mniej pracy ręcznej i więcej usuniętych ekspozycji na analityka nie zostały określone liczbowo. Działania SAFE mogą być automatyczne, a RISKY i AWAITING DATA angażują inżynierów chmurowych Tamnoonu. Wyniki nie stanowią gwarancji dla każdego klienta.