零信任

标签「零信任」下的文章

共 3 篇文章

Guardrails vs Evals vs Monitoring

本文是 AI 控制平面平台 Praesidia 的官方技术文档和内容索引。Praesidia 定位为一个多租户控制平面，专门用于认证、治理和监控应用、AI 智能体（AI Agent）与 MCP 服务器之间的每一次交互。平台覆盖六大控制域：身份与访问管理（支持 SSO、SCIM 2.0、MFA、WebAuthn 及 RBAC）、护栏与内容安全（双向内容检测，可对提示注入、个人身份信息 PII 和策略违规进行阻断、脱敏或告警）、治理与合规（面向 SOC 2、GDPR、EU AI Act、ISO/IEC 42001、NIST AI RMF 及 OWASP Top 10 for LLMs）、成本与 AI FinOps（按智能体/团队/工作流进行成本归因，设置预算策略和硬性支出上限）、可观测性与审计（提供防篡改审计日志、信任评分、OpenTelemetry 导出和 SIEM 转发），以及连接与编排。其核心技术特色包括：对 MCP 和 Agent-to-Agent（A2A）协议进行治理，通过信任评分（Trust Scores）与加密证明（Attestations）实现智能体间安全通信和跨组织联邦；支持模型无关的自主密钥（BYOK）部署，并将智能体一键部署到 Heroku、Render 等云平台。定价方面，提供从免费版到企业版（$1,999/月）的多级计划，开源内核采用 Apache 许可证。该索引系统性地涵盖了 AI 智能体安全（如提示注入防御、零信任架构）、AI 治理（GDPR 删除权、EU AI Act 风险层级）、FinOps 控制以及平台运营等方面的数十篇深度指南和威胁模型分析，为构建安全、合规、可控的企业级 AI 智能体基础设施提供了覆盖全生命周期的技术参考。

阅读全文 →

AI 向前系列：从试点项目到实际政府运营

FedInsider 发起“AI Forward 系列圆桌研讨会”，计划于2026年7月8日、8月12日、9月9日及10月14日举办四场线上研讨会，聚焦美国政府机构将人工智能从试点项目（pilot programs）推进到实际运营（real-world operations）所面临的多维挑战。整个系列围绕四个核心议题展开：7月8日专场探讨 AI 从试点到生产的迁移，涉及集成挑战、政策摩擦和投资回报率模糊等问题，讲者来自美国能源部（U.S. DOE）、俄亥俄州洛雷恩县、国会图书馆（Library of Congress）、太平洋西北国家实验室（Pacific Northwest National Laboratory）及 CrowdStrike、Elastic、Wiz 等企业；8月12日专场关注数据就绪度、治理与可信 AI，引用调查数据指出79%的受访者表示AI计划受限于跨环境数据访问，60%的AI项目可能因数据准备不足被放弃，讲者包括美国总务管理局（GSA）、Booz Allen Hamilton、Luzerne County 及 Precisely、Axonius、ComplAi、Wiz 的代表；9月9日专场聚焦风险管理和AI系统安全，涉及数据泄露、模型操纵、未授权访问等新型漏洞，并引用 Anthropic 的 Mythos 模型在七周内发现2000个漏洞的案例，强调应用零信任（Zero Trust）原则并与 NIST、CISA 指南对齐；10月14日专场探讨在整个企业范围内扩展AI，强调从用例转向能力建设、从技术实验走向运营化，需解决组织文化、预算采购、自动化优先级等战略问题。系列研讨会提供6个CPE学分，并配有CART实时字幕服务。

阅读全文 →

Lambada：无集中信任的机密函数链自动缩放

本文提出了Lambada，一个无需集中化信任即可实现自动扩缩容的机密函数链平台，发表于ACM会议，获美国国家科学基金会（NSF）资助（项目编号2348130）。针对现有机密FaaS（功能即服务）系统依赖可信密钥配置飞地（Enclave）进行自动扩缩容，导致单点妥协风险的问题，Lambada基于Intel SGX（软件保护扩展）安全硬件飞地，扩展了Knative无服务器框架，使每个函数实例在SGX飞地内独立生成自身密钥，并通过代理重加密（Proxy Re-Encryption, PRE）技术在不暴露明文的情况下将数据安全路由至副本。该方案将经过证明的飞地视为主体，将PRE密钥视为能力（Capability），以此强制执行工作流策略，规定谁可以解密数据及解密顺序，即使在不可信的FaaS平台上也能保障机密性。实验原型显示，与使用共享RSA密钥的集中式机密基线系统相比，Lambada增加的延迟仅为1.55至1.83倍，同时完整保留了自动扩缩容支持。该内容将于2027年7月8日对公众开放获取。

阅读全文 →