实时 AI 消息
Cato Networks 推出 AgentSense,实时阻断有害 AI 代理行为
Cato Networks 发布名为 AgentSense 的新能力,称其可以在实时环境中阻止有害的 AI 代理行为,并将这项技术作为已获专利的突破对外介绍。该产品把防护重心放在代理运行时的行为本身,而不是只在入口处过滤输入。
Cato Networks 发布了名为 AgentSense 的新能力,称其可以在实时环境中阻止有害的 AI 代理行为,并把这项技术定义为一项已获专利的突破。
消息经由 VMblog 的报道对外扩散,披露的重点集中在“实时阻止”与“已获专利”两点,而没有给出部署规模、客户名单或具体的技术实现。
这一定位之所以值得留意,是因为代理类产品正在获得越来越多的动手权限:调用工具、访问内部系统、代替人执行流程。防护如果只停留在输入侧做提示词过滤,就很难覆盖代理在运行过程中自行决定的每一步;而只在事后审计,又往往来不及止损。
AgentSense 切中的正是运行时这一段——在代理行为发生的当下做判断,而不是事前拦截或事后追溯。把“专利”写进发布措辞,也说明厂商希望把这条技术路线当作差异化卖点,而不只是一项常规的安全功能更新。
目前公开信息仍然有限:它如何界定“有害”,误报与漏报如何权衡,是否需要改造既有的网络与安全策略,都还没有细节。对企业采购方来说,独立测试和真实环境中的表现,会比专利声明本身更有说服力。
背景是,越来越多公司开始把代理接进工单、邮件、数据库和代码仓库,一旦代理被提示注入或错误指令带偏,损害会沿着它被授予的权限扩散。运行时的行为管控因此从“加分项”变成部署前的必要条件。
后续可以关注三点:AgentSense 的正式可用时间与产品形态(是独立产品还是既有平台的模块)、是否会出现第三方评测或客户案例,以及它与主流代理框架的兼容方式。
为什么重要
代理获得工具与系统权限后,安全重心从输入过滤转向运行时行为管控。AgentSense 若能在真实环境中兑现实时阻断,将直接面向企业代理部署的核心顾虑。
附近消息
全部11/18 02:10
Sqwish Labs 推出决策模型定制:用客户自己的数据训练
TechCrunch 11月17日报道,Sqwish Labs 推出面向决策模型的定制能力,允许客户用自己的数据训练模型,以扩展其能力边界。报道把这一动作放在决策模型使用量快速上升的背景下讨论。
11/18 02:04
Pedestal AI 完成 470 万美元融资,用智能体让供应链更快更可靠
11 月 17 日,TechCrunch 报道称供应链方向的创业公司 Pedestal AI 完成 470 万美元融资。该公司用智能体(agentic AI)让供应链运行得更快、更可靠,把这笔早期资金押在“能直接动手执行”的软件上。
11/18 01:57
Anthropic 为 Claude API 应用推出关联计费 Beta,可按请求决定谁付费
Anthropic 于 11 月 17 日以 Beta 形式上线关联计费(Linked billing),开发者可以把 Claude API 的调用费用记到客户自己的 Claude 组织账上。请求仍在开发者组织内执行,但每一次调用都可以单独选择由客户还是开发者承担费用。
11/18 01:45
OpenAI 发布 GPT-6.2 Astra 与 Sol,主打专业任务、编程与电脑操作
11月17日,OpenAI 发布 GPT-6.2 Astra 与 Sol,官方称其在专业任务输出、编程、电脑操作与效率上有改进,并以更低成本覆盖 ChatGPT Work、Codex 与 API。同一篇公告并列推出两个型号,但未说明二者分工,具体差异仍待文档与定价页明确。