Das Learning Network.

• Fünfzehn adversariale Personas decken jeden kanonischen Bedrohungstyp über die vier Safe-House-Checkpoints ab, einschließlich eines Supply-Chain-Maulwurfs bei inside.integrity.
• Mutation-phase gating lässt Angriffe nur weiterentwickeln, solange die Erkennung pro Bucket über dem Schwellwert bleibt, mit anhaltender Hysterese gegen Flattern — unabhängig pro substrate fingerprint ausgewertet.
• Arena-Traffic läuft über einen eigenen, isolierten Schreibpfad, getrennt vom Produktionssignal — so können synthetische Angriffe niemals Kundendaten verunreinigen. Die Isolation wird serverseitig erzwungen, nicht per Konvention.

• Kunden melden Misses (Falsch-Negative) und Über-Blockaden (Falsch-Positive) direkt aus dem Dashboard oder über die Report-API.
• Jeder Bericht fließt in dieselbe Prüf-Queue wie die Arena — eine gemeinsame Queue, eine signierte Pipeline, unabhängig davon, woher das Signal kam.
• Calm-at-GA: Dieses Signal existiert, weil Falsch-Positive unvermeidlich sind. Mutation-phase gating und der Auto-Rollback bei Falsch-Positiven bauen beide auf der Annahme auf, dass wir uns irren werden — und dass Sie es uns sagen werden.

• Das Netzwerk führt rollende Statistiken für jede substrate fingerprint — die Kombination aus Provider, Modell und SDK, auf der ein Agent läuft. Jede Evaluation im Netzwerk wird mit dieser Fingerprint gestempelt.
• Wenn scheinbar unabhängige Sicherheitsereignisse bei verschiedenen Kunden eine substrate fingerprint teilen, verknüpft der Aggregator sie zu einer einzigen Kampagnen-Signatur — die mandantenübergreifende Sicht, die kein einzelner Kunde allein sehen kann. In Produktion live.
• Das ist es, was sonst niemand am Markt hat. Hyperscaler-Guardrails, In-Process-Detektoren und Per-Tenant-Proxys sehen jeweils einen Kunden. Der Aggregator sieht über sie alle hinweg.

AEGIS sieht substratzugeordnete Verhaltensabweichungen über jeden Kunden hinweg, der auf derselben Provider-/Modell-/SDK-Kombination läuft. Der Evaluationsstrom eines Kunden, der Anomalien zutage bringt, erhöht den Schutz für jeden anderen Kunden auf diesem Substrat — über OpenAI, Anthropic, Gemini oder jedes lokale Modell, das hinter das Gateway gestellt ist.

AEGIS ist die Netzwerkschicht. Kunden, die Lakera Guard, NeMo Guardrails, Cloudflare WAF, AWS Bedrock Guardrails oder Robust Intelligence einsetzen, können AEGIS parallel betreiben — es ergänzt; es ersetzt nicht. Andere Schicht, anderes Signal.

AAP macht die Absicht des Agenten öffentlich — Transparenz, nicht Vertrauen. AIP liefert In-Flight-Integritätsverdicts. CLPI steuert den Card-Lebenszyklus. AEGIS signiert die mandantenübergreifenden Abwehrmechanismen, die auf dem integrierten Bild agieren. Keine Schicht gibt vor, die vorhergehende zu sein.