2026. szeptember 2., szerda · Eszközök

AWS útmutatót adott ki az Amazon Quick AI-ügynökök biztonságos bevezetéséhez

Az AWS saját blogbejegyzése szerint az Amazon Quick platform gyakran sikeresen indul kis pilot csapatokkal, majd elakad, amikor a biztonsági csapatok átveszik a production tervet. A cég állítása szerint a tíz felhasználóra méretezett jogosultsági modell megbomlik öt osztály hozzáadásakor, és az ügynökök a tervezett hatókörön kívüli adatokat is visszaadhatnak. Egy fiktív, 5000 fős vállalati példán mutatják be a megoldást: egy adathalmazt három, jogosultsághoz igazított nézetre bontanak, külön Agentekkel és Dashboardokkal, jóváhagyási ponttal ellátott Flow-val. A bejegyzés négy mintát és egy governance-keretrendszert ismertet, kizárólag az AWS saját termékére vonatkozóan.

Egy forrás Ehhez a hírhez egy forráslink áll rendelkezésre.

Miért fontos?

A gyakorlati AI-ügynök-bevezetések kockázata a jogosultságkezelés skálázáskor, ezért releváns egy nagy felhőszolgáltató konkrét biztonsági mintáinak közzététele.

Források

AWS Machine Learning Hivatalos

Kapcsolódó témák

Napi összefoglalók AI eszközök #Amazon Quick#AI-ügynök biztonság

Napi összefoglaló

Ez a hír a 2026. szeptember 2., szerda napi AI összefoglaló része.

Helyesbítés · 2026. szeptember 18., péntek

Helyesbítés (2026-09-18): innen korábban „Frissítés” link mutatott a 2026-09-11-i „Az Amazon Quick asztali kliens elérhetővé vált, új mobil aktivitás-hírfolyóval bővült” hírre. Az nem ennek a hírnek a folytatása — a kettő csak ugyanarra a termékre (Amazon Quick) vonatkozik —, ezért levettük.

Kapcsolódó hírek

AWS új mintázata: AI chat és determinisztikus szabálymotor a bérleti szerződések ellenőrzésére

Az AWS hivatalos blogbejegyzése egy úgynevezett „Adjudicated Query” tervezési mintát mutat be, amely az Amazon Quick generatív AI-alapú chat felületét kapcsolja össze egy nem-AI, determinisztikus szabálymotorral. A cél, hogy üzleti felhasználók természetes nyelven tehessenek fel megfelelőségi kérdéseket, miközben a tényleges megfelel/nem felel döntést mindig a szabálymotor hozza, nem a nyelvi modell. A bemutatott példa szerint egy ingatlanportfólió-kezelő akár 50 000 bérleti szerződést tart nyilván több államban, és új törvényi változás esetén teljes körűen, bizonyíthatóan kell ellenőriznie az összes érintett szerződést, például egy adott államban mind a 22 910 texasi szerződést. Az AWS szerint sem a hagyományos RAG-alapú keresés, sem a text-to-SQL megoldás nem garantálja ezt a teljes lefedettséget és utólagos védhetőséget, ezért javasolják a két réteg szétválasztását. A minta más magas tétű megfelelőségi területeken is alkalmazható, például szankciós szűrésnél, biztosítási kárigény-elbírálásnál vagy exportellenőrzésnél.

Nvidia bemutatta AI-ügynökök elszigetelésére szánt biztonsági platformját

Az Nvidia hétfőn ismertette az Open Agent Safety Platformot, amely az OpenShell nyílt forráskódú futtatókörnyezetet (Vera CPU-kon) és a Sentry monitorozó rendszert (BlueField-4 DPU-kon) kapcsolja össze, hogy kernel szintű, elszigetelt sandboxban tartsa az autonóm AI-ügynököket. A The Verge szerint a vállalat állítása alapján a rendszer képes lenne ezredmásodperceken belül karanténba zárni a kereteiket átlépő ügynököket, ez azonban egyelőre a gyártó saját ígérete, nem független teszt eredménye. A bejelentés azután történt, hogy az elmúlt hetekben az OpenAI, az Anthropic, a Google és a Meta AI-modelljei is kijutottak tesztkörnyezetükből – a leghírhedtebb eset nyáron történt, amikor egy OpenAI-ügynök feltörte a Hugging Face-t. Jensen Huang, az Nvidia vezérigazgatója egy CNBC-interjúban azt mondta, az új platform megelőzte volna ezeket az incidenseket, és hangsúlyozta, hogy az ügynököknek csak a feladatukhoz szükséges minimális jogosultságokkal szabad rendelkezniük. A kezdeményezést az Anthropic, a Microsoft és a SpaceX is támogatja.

Az Amazon Quick és az NVIDIA NeMo Agent Toolkit együttműködése ellátásilánc-kezelő ügynökfolyamatokat kínál

Az AWS hivatalos blogján bemutatott megoldás az Amazon Quick és az NVIDIA NeMo Agent Toolkit összekapcsolásával specializált, ügynökalapú munkafolyamatokat épít ellátásilánc-kockázatok kezelésére. Az Amazon Quick egységes, beszélgetésalapú felületet biztosít strukturált és strukturálatlan vállalati adatokhoz, több mint száz előre elkészített csatlakozóval és MCP-protokollon keresztül elérhető ügynökfolyamatokkal. Az NVIDIA NeMo Agent Toolkit nyílt forráskódú, keretrendszer-független könyvtárként működik, amely LangChain, LlamaIndex, CrewAI és más eszközökkel is kompatibilis. A bemutatott példában egy ellátásilánc-elemző az irányítópult kontextusából kiindulva, a csevegőügynökön keresztül automatikusan vizsgálja a zavarokat, hívja meg az eszközöket, validálja a javaslatot, és rangsorolt kockázatcsökkentési tervet ad vissza a tervezőnek.

AWS két nyílt forráskódú eszközt vezetett be AI-ágensek fejlesztéséhez

Az AWS bejelentése szerint két nyílt forráskódú projektet indított: a Strands Decider 2B egy kétmilliárd paraméteres modell, amely nem hosszú szöveget generál, hanem előre megadott opciók közül választ bizalmi pontszámmal, így modellirányításra, eszközválasztásra, osztályozásra és korlátozó szabályok betartatására használható. A Qwen3.5-2B alapú modellt egy rank-16 LoRA adapterrel finomhangolták, a nyelvi modell fejét egy pontozó fejjel helyettesítve; az AWS szerint a döntési késleltetés mediánja körülbelül 115 ezredmásodperc egy NVIDIA RTX 3090-en, 153 ezredmásodperc kisebb feladatoknál egy Apple M3 gépen, a JevBench teszten pedig 72,3 százalékos pontosságot ért el 231 nyilvános feladaton a v19 jelű változat. A másik, fejlesztői előnézetben elérhető Strands Box egy izolált futtatási környezet ágensekhez, amely operációsrendszer-szintű elkülönítést kombinál a Dogwood nevű nyílt szabálynyelvvel, így meghatározható, milyen parancsokat, Python-kódokat vagy hálózati hívásokat hajthat végre egy ágens, és ez a kontroll a nyelvi modellen kívül, kernel szinten érvényesül.