Mnemom AEGIS es la red de seguridad en tiempo de ejecución que está detrás de Safe House. Inspecciona cada transacción del agente —los prompts que entran, las llamadas a herramientas y los resultados de herramientas intermedios, y las acciones que salen— en cuatro checkpoints: front door, back door, inside.autonomy e inside.integrity. Y conecta a todos los clientes en una sola defensa: cuando AEGIS detecta un nuevo ataque contra cualquier agente de la red, la protección se firma y se despliega para todos.
Tres fuentes independientes alimentan una única pipeline. Las detecciones confirmadas se revisan, se firman y se envían a cada gateway, donde se aplican en cuatro checkpoints. Lo que está activo hoy se muestra con honestidad: en el threat thermometer y en el feed público.
Cada protección que AEGIS despliega proviene de una de tres fuentes independientes. El camino hasta la promoción es el mismo; lo que cambia es de dónde nace la señal.
Un red team permanente de quince personas atacantes sondea cada Safe House de forma continua, las 24 horas, sacando a la luz nuevos bypasses antes de que lleguen a un cliente.
Cuando un cliente señala desde su panel un ataque no detectado o una falsa alarma, este entra en la cola de revisión. Su aportación se reconoce, pero solo se comparte con los demás clientes la protección resultante, nunca el informe original.
AEGIS agrega señales anonimizadas de todos los clientes. Aquí afloran los patrones que ningún cliente podría ver por sí solo: la misma anomalía apareciendo en muchas organizaciones a la vez.
Seis capas, desde la huella en cada comprobación hasta el feed público que cualquiera puede auditar. Lo que está activo hoy es observable en el threat thermometer y en la trust surface.
Cada evaluación lleva el substrate fingerprint del agente —su proveedor, modelo, versión del SDK y lockfile de dependencias— junto con el tipo de ataque y su procedencia. Esa huella es lo que permite a AEGIS conectar el mismo ataque entre todos los clientes que corren sobre el mismo stack.
AEGIS sigue las tasas de detección y de bypass para cada combinación de cadena de suministro, caso de uso y tipo de ataque. Esta es la capa que detecta las campañas coordinadas que ningún cliente puede ver por sí solo: el mismo comportamiento desviándose en muchos clientes del mismo stack, al mismo tiempo.
AEGIS adopta el modelo de Cloudflare para situaciones de ataque. Usted define dos niveles por organización: su postura normal y un techo que marca hasta dónde puede elevar AEGIS por su cuenta. Durante una campaña, AEGIS sube la aplicación hacia ese techo, y nunca por encima de él.
Su techo se respeta siempre. Las protecciones adicionales del lado de la integridad —plantar canarios, pausar la emisión de nuevas credenciales, ejecutar pruebas de integridad completas— actúan por debajo de él, porque refuerzan la verificación sin cambiar su postura de aplicación.
Cada protección se firma criptográficamente (Ed25519) antes de distribuirse, y viaja a través de dos rutas de entrega independientes y firmadas por separado — de modo que corromper las reglas que llegan a su gateway implicaría romper más de una a la vez. Las nuevas reglas se ejecutan en modo observe-only durante 24 horas antes de poder escalar; si las falsas alarmas aumentan, un operador las revierte — la reversión automática llegará poco después de la GA.
Revisión a cuatro ojos, impuesta por el sistema. Las reglas con poder suficiente para actuar sobre el tráfico en producción nunca pueden ser promocionadas por una sola persona: el requisito está integrado en la plataforma, no dejado al proceso.
Un panel para clientes que muestra el estado de campaña actual en todo su stack, las Managed Rules activas en este momento y su nivel de aplicación efectivo bajo cualquier elevación. Si la red está en calma, el panel dice calma: nunca fabricamos actividad.
Dos superficies públicas. Un feed STIX 2.1 que se integra directamente en su pipeline de inteligencia de amenazas, y advisories de postincidente firmados que etiquetan con claridad qué fue una campaña real y qué fue un ejercicio sintético. En el lanzamiento, el feed puede estar vacío y la lista de advisories mostrar una única semilla sintética claramente etiquetada: eso es el sistema diciendo la verdad, no un marcador de posición.
Esta es nuestra promesa: si la red está genuinamente tranquila en el lanzamiento, el threat thermometer dice calma, la lista de advisories muestra un único ejercicio sintético claramente etiquetado y el feed público está vacío. Eso no es una página sin terminar: es el sistema diciendo la verdad. Cualquier otro proveedor de este espacio disfraza un feed vacío con teatro. Nosotros no.
Cargando advisories…
La seguridad para agentes de IA se está dividiendo en cuatro categorías. Cada una hace bien su trabajo, y AEGIS funciona junto a cualquiera de ellas. Creamos AEGIS para el trabajo que ninguna hace: observar lo que un agente realmente hace y convertir la detección de un cliente en la defensa de todos.
AWS Bedrock Guardrails · Google Model Armor
Fuerte en: Filtrado de contenido configurable incluido en su plataforma de modelos: detección de injection y jailbreak, redacción de PII, temas vetados y comprobaciones de grounding y de URLs maliciosas.
Dónde se detiene: Atados a la nube y de un solo cliente. Revisan el prompt y la respuesta, no lo que el agente hace en medio, y la detección de un cliente nunca se convierte en la defensa de otro.
Palo Alto Prisma AIRS · Cisco AI Defense
Fuerte en: Cobertura amplia —escaneo de modelos, gesti ón de postura, red-teaming y protección en tiempo de ejecución— respaldada por equipos de investigación de amenazas de primer nivel.
Dónde se detiene: La telemetría en tiempo de ejecución se queda dentro de su propia organización. Su inteligencia es investigación curada por el proveedor, no una red viva de cliente a cliente: el ataque detectado por un cliente no se firma ni se envía a todos los demás clientes.
Lakera Guard · NVIDIA NeMo Guardrails
Fuerte en: Defensa rápida y precisa en la capa de conversación: detección de prompt injection gestionada que aprende de millones de ataques colaborativos, y rails programables de código abierto que usted integra en su aplicación.
Dónde se detiene: Actúan sobre una conversación cada vez y mejoran un modelo compartido con cadencia de versiones. Ninguno propaga una defensa firmada por una red viva en el momento en que un cliente es atacado.
Cloudflare AI Gateway · AI Security for Apps
Fuerte en: Defensa HTTP y de edge de primer nivel, con un auténtico efecto de red entre clientes: detección de injection y de PII, rate-limiting, caching y observabilidad por delante de cualquier modelo.
Dónde se detiene: Esa red opera en la capa del tráfico web, pensada para aplicaciones y personas. No llega a la capa de decisión del agente: las llamadas a herramientas que hace un agente, los resultados de herramientas en los que confía, las acciones que emprende.
AEGIS complementa las herramientas que ya utiliza. Mantenga los guardrails de Bedrock o Model Armor en el modelo, Lakera o NeMo en el prompt y Cloudflare en el edge, y ejecute AEGIS como la capa entre clientes que observa lo que sus agentes realmente hacen.
Estos son objetivos publicados. La primera ventana de medición de 30 días se abre 30 días después de la GA; hasta entonces los presentamos como objetivos, no como resultados. No anunciamos cifras que no podamos defender.
Su panorama de amenazas en vivo: estado de campaña actual, Managed Rules activas y su nivel de aplicación efectivo.
Abrir el panel →curl https://api.mnemom.ai\ /v1/trust/iocsObtener el bundle STIX 2.1 →
Repasemos la arquitectura, los compromisos de SLO, el mapeo con la EU AI Act y lo que el self-hosting significa para su postura de cumplimiento.
Contáctenos →