La Safe House.

Cada mensaje que llega a su agente se analiza en busca de intención adversarial. Prompt injection, ingeniería social y llamadas a herramientas coaccionadas se detectan y bloquean antes de que el agente las procese.

• Prompt injection
  • Instrucciones ocultas en documentos recuperados o respuestas de herramientas.
  • Ataques de role-swap («ignora las instrucciones anteriores…»).
  • Inyecciones con plantillas recientes rastreadas mediante el corpus de fingerprints del Learning Network.
• Ingeniería social
  • Solicitudes tipo CEO-fraud que suplantan a usuarios autorizados.
  • Patrones de urgencia y presión de autoridad diseñados para saltarse aprobaciones.
  • Persuasión indirecta que intenta remodelar el alcance declarado del agente.
• Envenenamiento de contexto
  • Payloads manipulados de memoria o vector store.
  • Respuestas de herramientas envenenadas que vehiculan instrucciones ocultas.
  • Resúmenes adversariales que se reinyectan en planes de largo horizonte.
• Coerción de llamadas a herramientas
  • Intentos de forzar llamadas fuera del alcance permitido por la Alignment Card.
  • Llamadas a herramientas encadenadas que cuelan una acción no autorizada.
  • Ataques a la forma de argumentos contra esquemas de herramientas mal validados.

Cada respuesta del agente se analiza frente a PII, secretos y los límites de la Alignment Card antes de abandonar su perímetro. Una fuga no redactada no puede producir un certificado firmado.

• Fugas de PII y PHI
  • Fichas de clientes, SSN y números de tarjeta — incluidos patrones partidos entre tokens.
  • Información sanitaria protegida en flujos regulados.
  • Datos inter-tenant que cruzarían los límites de su Alignment Card.
• Secretos y credenciales
  • Claves de API, tokens de acceso y URLs firmadas.
  • Cadenas de conexión internas e identificadores de infraestructura.
  • Tokens Bearer reenviados en trazas de error.
• Violaciones de Alignment Card
  • Respuestas que exceden el alcance declarado del agente.
  • Acciones que saltan el contrato de escalado de la card.
  • Salidas que contradicen las obligaciones de cumplimiento escritas en la card.
• Asesoramiento regulado
  • Consejos legales, médicos o financieros fuera de la licencia del agente.
  • Recomendaciones que eluden cláusulas human-in-the-loop.
  • Decisiones que implican obligaciones de transparencia del Artículo 50.