Mnemom AEGIS ist das Runtime-Sicherheitsnetz hinter Safe House. Es prüft jede Agententransaktion — die eingehenden Prompts, die Tool-Aufrufe und Tool-Ergebnisse dazwischen und die ausgehenden Aktionen — an vier Checkpoints: front door, back door, inside.autonomy und inside.integrity. Und es verbindet jeden Kunden zu einer Verteidigung: Erkennt AEGIS einen neuen Angriff auf irgendeinen Agenten im Netz, wird der Schutz signiert und an alle ausgerollt.
Drei unabhängige Quellen speisen eine einzige Pipeline. Bestätigte Detektionen werden geprüft, signiert und an jedes Gateway ausgerollt, wo sie an vier Checkpoints durchgesetzt werden. Was heute live ist, wird ehrlich gezeigt — auf dem threat thermometer und dem öffentlichen Feed.
Jeder Schutz, den AEGIS ausliefert, stammt aus einer von drei unabhängigen Quellen. Der Weg zur Promotion ist derselbe; was sich unterscheidet, ist der Ursprung des Signals.
Ein ständiges Red Team aus fünfzehn Angreifer-Personas prüft jedes Safe House kontinuierlich, rund um die Uhr — und deckt neue Bypässe auf, bevor sie einen Kunden erreichen.
Meldet ein Kunde aus seinem Dashboard einen übersehenen Angriff oder einen Fehlalarm, gelangt dieser in die Review-Queue. Sein Beitrag wird gewürdigt — aber nur der daraus resultierende Schutz wird mit anderen Kunden geteilt, niemals die zugrunde liegende Meldung.
AEGIS bündelt anonymisierte Signale über alle Kunden hinweg. Muster, die kein einzelner Kunde allein sehen könnte — dieselbe Anomalie, die gleichzeitig in vielen Organisationen auftritt — erscheinen hier.
Sechs Schichten, vom Fingerprint auf jeder Prüfung bis zum öffentlichen Feed, den jeder prüfen kann. Was heute live ist, ist auf dem threat thermometer und der trust surface beobachtbar.
Jede Auswertung trägt den substrate fingerprint des Agenten — Provider, Modell, SDK-Version und Dependency-Lockfile — zusammen mit der Art des Angriffs und seiner Herkunft. Dieser Fingerprint ist es, der AEGIS denselben Angriff über alle Kunden hinweg verbinden lässt, die auf demselben Stack laufen.
AEGIS verfolgt Detektions- und Bypass-Raten für jede Kombination aus Lieferkette, Anwendungsfall und Angriffsart. Dies ist die Schicht, die koordinierte Kampagnen erkennt, die kein einzelner Kunde sehen kann — dasselbe Verhalten, das gleichzeitig bei vielen Kunden auf demselben Stack abweicht.
AEGIS übernimmt das Under-Attack-Modell von Cloudflare. Sie legen pro Organisation zwei Stufen fest: Ihre normale Posture und ein Ceiling dafür, wie hoch AEGIS eigenständig eskalieren darf. Während einer Kampagne hebt AEGIS die Durchsetzung in Richtung dieses Ceilings an — und niemals darüber hinaus.
Ihr Ceiling wird stets respektiert. Zusätzliche Schutzmaßnahmen auf der Integritätsseite — das Pflanzen von Canaries, das Pausieren neuer Credential-Ausgaben, vollständige Integritätsbeweise — greifen darunter, weil sie die Verifikation verschärfen, ohne Ihre Enforcement-Posture zu ändern.
Jeder Schutz wird kryptografisch signiert (Ed25519), bevor er ausgeliefert wird, und durchläuft zwei unabhängige, separat signierte Auslieferungspfade — sodass eine Manipulation der Regeln, die Ihr Gateway erreichen, das Brechen von mehr als einem davon zugleich bedeuten würde. Neue Regeln laufen 24 Stunden im observe-only-Modus, bevor sie eskalieren können; steigen die Fehlalarme, rollt ein Operator sie zurück — automatisches Rollback folgt kurz nach GA.
Vier-Augen-Prüfung, vom System erzwungen. Die Regeln, die mächtig genug sind, um auf Live-Verkehr zu wirken, können niemals von einer einzelnen Person promotet werden — die Anforderung ist in die Plattform eingebaut, nicht dem Prozess überlassen.
Ein Kunden-Dashboard, das den aktuellen Kampagnenzustand über Ihren Stack hinweg zeigt, die gerade aktiven Managed Rules und Ihre effektive Enforcement-Stufe unter jeder Eskalation. Ist das Netz ruhig, sagt das Dashboard ruhig — wir erfinden niemals Aktivität.
Zwei öffentliche Oberflächen. Ein STIX 2.1 Feed, der sich direkt in Ihre bestehende Threat-Intelligence-Pipeline einfügt, und signierte Post-Incident-Advisories, die klar kennzeichnen, was eine echte Kampagne und was eine synthetische Übung war. Zum Start kann der Feed leer sein und die Advisory-Liste einen einzelnen, klar gekennzeichneten synthetischen Seed zeigen — das ist das System, das die Wahrheit sagt, kein Platzhalter.
Hier ist unser Versprechen: Ist das Netz zum Start wirklich ruhig, sagt das threat thermometer ruhig, die Advisory-Liste zeigt eine einzelne, klar gekennzeichnete synthetische Übung, und der öffentliche Feed ist leer. Das ist keine unfertige Seite — es ist das System, das die Wahrheit sagt. Jeder andere Anbieter in diesem Bereich drapiert einen leeren Feed mit Theater. Wir nicht.
Advisories werden geladen…
Die Sicherheit für KI-Agenten teilt sich in vier Kategorien. Jede erfüllt ihre Aufgabe gut, und AEGIS läuft neben jeder von ihnen. Wir haben AEGIS für die Aufgabe gebaut, die keine von ihnen erfüllt: zu beobachten, was ein Agent tatsächlich tut, und die Detektion eines Kunden zur Verteidigung aller zu machen.
AWS Bedrock Guardrails · Google Model Armor
Stark bei: Konfigurierbare Inhaltsfilterung, gebündelt mit Ihrer Modellplattform — Screening auf Injection und Jailbreak, PII-Redaktion, gesperrte Themen, Grounding- und Malicious-URL-Prüfungen.
Wo es endet: Cloud-gebunden und mandantenisoliert. Sie prüfen den Prompt und die Antwort, nicht das, was der Agent dazwischen tut — und die Detektion eines Kunden wird niemals zur Verteidigung eines anderen.
Palo Alto Prisma AIRS · Cisco AI Defense
Stark bei: Breite Abdeckung — Model Scanning, Posture Management, Red-Teaming und Runtime-Schutz — gestützt auf erstklassige Threat-Research-Teams.
Wo es endet: Die Runtime-Telemetrie bleibt innerhalb Ihrer eigenen Organisation. Ihre Intelligence ist anbieterkuratierte Forschung, kein lebendiges Kunde-zu-Kunde-Netz: Der erkannte Angriff eines Kunden wird nicht signiert und an jeden anderen Kunden ausgerollt.
Lakera Guard · NVIDIA NeMo Guardrails
Stark bei: Schnelle, präzise Verteidigung auf der Konversationsebene — verwaltete Prompt-Injection-Erkennung, die aus Millionen von crowdsourcten Angriffen lernt, und quelloffene, programmierbare Rails, die Sie in Ihre App einbetten.
Wo es endet: Sie wirken auf jeweils eine Konversation und verbessern ein gemeinsames Modell in einem Release-Rhythmus. Keiner von beiden verteilt eine signierte Verteidigung über ein lebendiges Netz in dem Moment, in dem ein Kunde getroffen wird.
Cloudflare AI Gateway · AI Security for Apps
Stark bei: Erstklassige HTTP- und Edge-Verteidigung, mit einem echten mandantenübergreifenden Netzwerkeffekt — Injection- und PII-Erkennung, Rate-Limiting, Caching und Observability vor jedem Modell.
Wo es endet: Dieses Netz arbeitet auf der Web-Traffic-Ebene, gebaut für Apps und Menschen. Es reicht nicht bis zur Agenten-Entscheidungsebene — die Tool-Aufrufe, die ein Agent macht, die Tool-Ergebnisse, denen er vertraut, die Aktionen, die er ergreift.
AEGIS ergänzt die Tools, die Sie bereits betreiben. Belassen Sie Bedrock- oder Model-Armor-Guardrails am Modell, Lakera oder NeMo am Prompt und Cloudflare am Edge — und betreiben Sie AEGIS als die mandantenübergreifende Schicht, die beobachtet, was Ihre Agenten tatsächlich tun.
Dies sind veröffentlichte Ziele. Das erste 30-Tage-Messfenster öffnet 30 Tage nach der GA; bis dahin nennen wir sie als Ziele, nicht als Ergebnisse. Wir kündigen keine Zahlen an, die wir nicht verteidigen können.
Ihr Live-Bedrohungsbild — aktueller Kampagnenzustand, aktive Managed Rules und Ihre effektive Enforcement-Stufe.
Dashboard öffnen →curl https://api.mnemom.ai\ /v1/trust/iocsSTIX 2.1 Bundle abrufen →
Gehen Sie mit uns die Architektur, die SLO-Zusagen, das EU AI Act Mapping und die Bedeutung von Self-Hosting für Ihre Compliance-Posture durch.
Kontakt aufnehmen →