# The Learning Network ```json {"@context":"https://schema.org","@type":"WebPage","name":"Il Learning Network \u2014 Mnemom","description":"Tre sorgenti di segnale. Una rete difensiva. Mnemom AEGIS \u2014 l'Adaptive Enforcement, Governance & Intelligence Substrate \u2014 combina un'arena avversariale, i report clienti di falsi positivi/falsi negativi e un aggregatore cross-tenant in una singola pipeline di signed-promotion.","url":"https://www.mnemom.ai/it/learning-network","inLanguage":"it-IT","dateModified":"2026-06-08","publisher":{"@type":"Organization","@id":"https://www.mnemom.ai#organization","name":"Mnemom","url":"https://www.mnemom.ai"}} ``` ```json {"@context":"https://schema.org","@type":"BreadcrumbList","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https://www.mnemom.ai/it"},{"@type":"ListItem","position":2,"name":"Il Learning Network.","item":"https://www.mnemom.ai/it/learning-network"}]} ``` Per i team di piattaforma # Il Learning Network. Ogni cliente beneficia di ogni detection. Mnemom AEGIS — l'Adaptive Enforcement, Governance & Intelligence Substrate — alimenta tre loop di segnale indipendenti in una singola candidate review queue, poi firma le recipes promosse e le propaga a ogni gateway della rete. Stesso vocabolario delle cards: quattro checkpoint × quattro mode di enforcement, Platform → Org → Team → Agent, strictest-wins. [Vedere i quattro checkpoint](/it/security)[Ispezionare il feed IoC](/it/trust/iocs) ## Tre loop di segnale alimentano un substrato. Tre loop di segnale indipendenti. Una coda di revisione. I contenuti di detection e i controlli di enforcement viaggiano attraverso la stessa macchineria firmata, così che una lezione appresa in un punto qualsiasi arriva ovunque. ### Segnale 1 — Arena avversariale 15 persona canonici. Mutation-phase gated. Live in produzione. - Quindici persona avversariali coprono ogni tipo di minaccia canonico sui quattro checkpoint Safe House, incluso un infiltrato della supply chain a inside.integrity. - Il mutation-phase gating lascia evolvere gli attacchi solo finché la detection per bucket resta sopra la soglia, con isteresi sostenuta per evitare oscillazioni, valutato in modo indipendente per substrate fingerprint. - Il traffico dell'arena scorre su un proprio percorso di scrittura isolato, separato dal segnale di produzione, così che gli attacchi sintetici non possano mai contaminare i dati dei clienti. L'isolamento è applicato lato server, non per convenzione. ### Segnale 2 — Report dei clienti Falsi positivi e falsi negativi, segnalati dai clienti che fanno girare gli agenti. - I clienti segnalano i mancati rilevamenti (falsi negativi) e gli over-block (falsi positivi) direttamente dal dashboard o tramite l'API di report. - Ogni report confluisce nella stessa coda di revisione alimentata dall'arena — una coda condivisa, una pipeline firmata, indipendentemente da dove sia arrivato il segnale. - Calm-at-GA: questo segnale esiste perché i falsi positivi sono inevitabili. Il mutation-phase gating e l'auto-rollback sui falsi positivi si fondano entrambi sull'ipotesi che sbaglieremo — e che Lei ce lo dirà quando accadrà. ### Segnale 3 — Aggregatore cross-tenant Il worker L1. La visione della rete. Il lavoro veramente nuovo. - La rete mantiene statistiche mobili per ogni substrate fingerprint — la combinazione di provider, modello e SDK su cui gira un agente. Ogni valutazione nella rete è marchiata con quella fingerprint. - Quando eventi di sicurezza apparentemente non correlati presso clienti diversi condividono una substrate fingerprint, l'aggregatore li lega in un'unica firma di campagna — la vista cross-tenant che nessun singolo cliente può vedere da solo. Live in produzione. - Questo è ciò che nessun altro sul mercato ha. I guardrail degli hyperscaler, i detector in-process e i proxy per tenant vedono tutti un cliente alla volta. L'aggregatore vede attraverso tutti loro. ## Tre loop. Un substrato. Firmato dall'inizio alla fine. Tre loop, un substrato — la pipeline AEGIS dall'inizio alla fine. Arena 15 persona + mutation-phase gate Segnale cliente Report dei clienti + telemetria Aggregatore cross-tenant Statistiche mobili per substrate fingerprint Tabella candidati + coda di review Ogni sorgente di segnale scrive sul proprio percorso isolato. Review manuale di default; le modalità automatiche sono opt-in. Promozione firmata Firmato con Ed25519 alla promozione. Le regole tier-1 e tier-2 richiedono una revisione a due persone — applicata in modo strutturale, non per processo. Recipes promosse Composte come le cards. Platform → Org → Team → Agent, strictest-wins. Gateway — 4 checkpoint × 4 mode Buste KV-signed + R2-signed. Obiettivo di propagazione P95 ≤ 30s su /trust/slos. Il rilevamento supply-chain è una sotto-dimensione, non un sistema parallelo. Ogni valutazione porta una substrate fingerprint — provider, modello, SDK version e un lockfile hash opzionale. Lo stesso modello a quattro checkpoint porta ogni recipe. Pipeline di promozione ## Ogni recipe promossa è firmata. Tier-1 e tier-2 non vengono mai auto-promosse. Tutti e tre i segnali alimentano la stessa coda di revisione, e ogni recipe promossa percorre la stessa pipeline firmata. L'invariante protettivo è integrato nel sistema in modo strutturale: non è una procedura né una policy che si possa aggirare. 1. 01 Candidate Ogni segnale scrive sul proprio percorso isolato. Il contenuto della recipe è normalizzato in un'unica forma, mentre la sorgente di origine resta allegata per la traccia di audit. 2. 02 Review Tre mode di review per il pattern Cloudflare-peer: manuale (default), auto-approve-trusted-sources, auto-approve-high-confidence. I candidati tier-3 sono idonei agli auto-mode; tier-1/-2 no — indipendentemente dall'impostazione del mode. 3. 03 Promozione firmata Firmato con Ed25519 al momento della promozione. Lo storico delle revisioni è append-only. Una regola non può diventare attiva finché non è raggiunto il quorum di revisione a due persone. 4. 04 Soak in observe 24h Ogni recipe promossa è rilasciata in mode observe per 24 ore, indipendentemente dal tier. Il tasso di falsi positivi è campionato in una finestra mobile di 7 giorni. Auto-rollback scatta su superamento di soglia per CLPI Phase 2. 5. 05 Enforce + propagazione La regola viene scritta su due livelli di storage, ciascuno firmato con una chiave indipendente, poi caricata da ogni gateway — dove le Managed Rules bloccano oggi in produzione. L'obiettivo è una propagazione P95 ≤ 30s, misurata in continuo su /trust/slos. L'invariante protettivo Una recipe tier-1 o tier-2 — quella che bloccherebbe davvero il traffico di produzione — non può mai essere promossa senza revisione umana a due persone, indipendentemente da quanto sia aggressiva l'impostazione del reviewer mode. Il sistema lo impone in modo strutturale. Le modalità automatiche accelerano solo il rilascio di tier-3 (observe / nudge / log), dove il blast radius di una decisione errata è limitato. Effetto rete vendor-neutral ## Substrate-aware su OpenAI, Anthropic, Gemini, e qualsiasi modello sul gateway Mnemom. La substrate fingerprint marchiata su ogni valutazione include il provider, il modello e la SDK version — più un lockfile hash opzionale che i clienti possono inviare. Il segnale cross-tenant fluisce attraverso i provider, non solo all'interno di uno. ### Nessun lock-in di provider. AEGIS vede deviazione comportamentale attribuita al substrato attraverso ogni cliente che gira sulla stessa combinazione provider/model/SDK. Lo stream di valutazione di un cliente che fa emergere anomalie eleva la protezione per ogni altro cliente su quel substrato — su OpenAI, Anthropic, Gemini, o qualsiasi modello locale dietro il gateway. ### Complementa; non sostituisce. AEGIS è lo strato di rete. I clienti che usano Lakera Guard, NeMo Guardrails, Cloudflare WAF, AWS Bedrock Guardrails o Robust Intelligence possono far girare AEGIS in parallelo — complementa; non sostituisce. Strato diverso, segnale diverso. ### AAP dichiara. AIP verifica. AEGIS firma. AAP rende pubblico l'intento dell'agente — trasparenza, non fiducia. AIP fornisce verdict di integrità in volo. CLPI governa il ciclo di vita della card. AEGIS firma le difese cross-tenant che agiscono sull'immagine integrata. Nessuno strato pretende di essere quello precedente. Contratto calm-at-GA ## Se la rete è calma, la pagina dice calma. Alla GA il feed IoC è vuoto per design. La lista advisories mostra un solo post-mortem sintetico chiaramente etichettato synthetic. La threat thermometer è calma. Non simuliamo attività. Il mutation-phase gating è live; la prima attivazione in produzione sarà riportata su /trust/advisories quando avverrà. Il doppio controllo tier-3 è live; il doppio controllo tier-1/-2 inizia quando il nostro secondo platform-admin verrà onboardato. ## Ispezionare la rete. Tre sorgenti di segnale. Una pipeline firmata. Ogni promozione, ogni advisory, ogni IoC pubblicamente verificabile. [Vedere cosa filtriamo](/it/security)[Scaricare /v1/network/threat-state](https://api.mnemom.ai/v1/network/threat-state)[Aprire il Suo dashboard](/it/dashboard) --- _Source: /it/learning-network/index.html · Generated by build-markdown-mirrors.mjs · For agent-readability commitment #4 see https://www.mnemom.ai/for-agents_