Mnemom AEGIS è la rete di sicurezza in esecuzione dietro Safe House. Ispeziona ogni transazione dell'agente — i prompt in entrata, le chiamate agli strumenti e i risultati degli strumenti nel mezzo, e le azioni in uscita — in quattro checkpoint: front door, back door, inside.autonomy e inside.integrity. E collega ogni cliente in un'unica difesa: quando AEGIS rileva un nuovo attacco contro qualsiasi agente della rete, la protezione viene firmata e distribuita a tutti.
Tre fonti indipendenti alimentano un'unica pipeline. I rilevamenti confermati vengono esaminati, firmati e inviati a ogni gateway, dove sono applicati in quattro checkpoint. Ciò che è attivo oggi viene mostrato con onestà — sul threat thermometer e sul feed pubblico.
Ogni protezione che AEGIS distribuisce proviene da una di tre fonti indipendenti. Il percorso fino alla promozione è lo stesso; ciò che cambia è da dove nasce il segnale.
Un red team permanente di quindici persona attaccanti sonda ogni Safe House in modo continuo, 24 ore su 24 — portando alla luce nuovi bypass prima che raggiungano un cliente.
Quando un cliente segnala dalla propria dashboard un attacco non rilevato o un falso allarme, questo entra nella coda di revisione. Il suo contributo viene riconosciuto, ma con gli altri clienti si condivide solo la protezione che ne deriva, mai la segnalazione originaria.
AEGIS aggrega segnali anonimizzati provenienti da tutti i clienti. Qui emergono i pattern che nessun singolo cliente potrebbe vedere da solo: la stessa anomalia che compare in molte organizzazioni nello stesso momento.
Sei livelli, dall'impronta su ogni controllo fino al feed pubblico che chiunque può verificare. Ciò che è attivo oggi è osservabile sul threat thermometer e sulla trust surface.
Ogni valutazione porta il substrate fingerprint dell'agente — il suo provider, modello, versione dell'SDK e lockfile delle dipendenze — insieme al tipo di attacco e alla sua provenienza. È questa impronta che permette ad AEGIS di collegare lo stesso attacco tra tutti i clienti che girano sullo stesso stack.
AEGIS traccia i tassi di rilevamento e di bypass per ogni combinazione di supply chain, caso d'uso e tipo di attacco. È il livello che coglie le campagne coordinate che nessun singolo cliente può vedere: lo stesso comportamento che devia presso molti clienti sullo stesso stack, nello stesso momento.
AEGIS adotta il modello «sotto attacco» di Cloudflare. Lei imposta due livelli per organizzazione: la sua postura normale e un tetto che indica fin dove AEGIS può elevare da solo. Durante una campagna, AEGIS alza l'applicazione verso quel tetto, e mai oltre.
Il suo tetto è sempre rispettato. Le protezioni aggiuntive sul lato integrità — la posa di canary, la sospensione dell'emissione di nuove credenziali, le prove di integrità complete — agiscono al di sotto di esso, perché rafforzano la verifica senza cambiare la sua postura di applicazione.
Ogni protezione è firmata crittograficamente (Ed25519) prima di essere distribuita e viaggia attraverso due percorsi di consegna indipendenti, firmati separatamente — così corrompere le regole che raggiungono il Suo gateway significherebbe violarne più di uno contemporaneamente. Le nuove regole girano in modalità observe-only per 24 ore prima di poter escalare; se i falsi allarmi aumentano, un operatore esegue il rollback — il rollback automatico arriverà poco dopo la GA.
Revisione a quattro occhi, imposta dal sistema. Le regole abbastanza potenti da agire sul traffico in produzione non possono mai essere promosse da una sola persona: il requisito è integrato nella piattaforma, non lasciato al processo.
Una dashboard per i clienti che mostra lo stato delle campagne in corso su tutto il suo stack, le Managed Rules attive in questo momento e il suo livello di applicazione effettivo sotto qualsiasi elevazione. Se la rete è calma, la dashboard dice calma: non fabbrichiamo mai attività.
Due superfici pubbliche. Un feed STIX 2.1 che si integra direttamente nella sua pipeline di threat intelligence, e advisories post-incidente firmati che etichettano con chiarezza ciò che è stata una campagna reale e ciò che è stato un esercizio sintetico. Al lancio il feed può essere vuoto e la lista degli advisories mostrare un unico seme sintetico chiaramente etichettato: è il sistema che dice la verità, non un segnaposto.
Ecco la nostra promessa: se la rete è davvero tranquilla al lancio, il threat thermometer dice calma, la lista degli advisories mostra un unico esercizio sintetico chiaramente etichettato e il feed pubblico è vuoto. Non è una pagina incompiuta: è il sistema che dice la verità. Ogni altro fornitore in questo spazio veste un feed vuoto di teatro. Noi no.
Caricamento degli advisories…
La sicurezza per gli agenti IA si sta dividendo in quattro categorie. Ciascuna fa bene il proprio lavoro, e AEGIS funziona accanto a una qualsiasi di esse. Abbiamo costruito AEGIS per il lavoro che nessuna fa: osservare ciò che un agente fa davvero e trasformare il rilevamento di un cliente nella difesa di tutti.
AWS Bedrock Guardrails · Google Model Armor
Punti di forza: Filtraggio dei contenuti configurabile incluso nella sua piattaforma di modelli: rilevamento di injection e jailbreak, redazione delle PII, argomenti vietati e controlli di grounding e di URL malevoli.
Dove si ferma: Legati al cloud e mono-tenant. Esaminano il prompt e la risposta, non ciò che l'agente fa nel mezzo, e il rilevamento di un cliente non diventa mai la difesa di un altro.
Palo Alto Prisma AIRS · Cisco AI Defense
Punti di forza: Ampia copertura — scansione dei modelli, gestione della postura, red-teaming e protezione in esecuzione — sostenuta da team di ricerca sulle minacce di primo livello.
Dove si ferma: La telemetria in esecuzione resta all'interno della sua stessa organizzazione. La loro intelligence è ricerca curata dal fornitore, non una rete viva da cliente a cliente: l'attacco rilevato da un cliente non viene firmato né inviato a tutti gli altri clienti.
Lakera Guard · NVIDIA NeMo Guardrails
Punti di forza: Difesa rapida e precisa a livello di conversazione: rilevamento gestito di prompt injection che impara da milioni di attacchi in crowdsourcing, e rail programmabili open source che lei integra nella sua applicazione.
Dove si ferma: Agiscono una conversazione alla volta e migliorano un modello condiviso al ritmo delle release. Nessuno dei due propaga una difesa firmata su una rete viva nel momento in cui un cliente viene colpito.
Cloudflare AI Gateway · AI Security for Apps
Punti di forza: Difesa HTTP ed edge di primo livello, con un autentico effetto rete cross-tenant: rilevamento di injection e di PII, rate-limiting, caching e osservabilità davanti a qualsiasi modello.
Dove si ferma: Quella rete opera al livello del traffico web, pensata per applicazioni e persone. Non arriva al livello decisionale dell'agente: le chiamate agli strumenti che un agente effettua, i risultati degli strumenti di cui si fida, le azioni che intraprende.
AEGIS completa gli strumenti che lei già utilizza. Mantenga i guardrail di Bedrock o Model Armor sul modello, Lakera o NeMo sul prompt e Cloudflare in edge — e faccia girare AEGIS come il livello cross-tenant che osserva ciò che i suoi agenti fanno davvero.
Questi sono obiettivi pubblicati. La prima finestra di misurazione di 30 giorni si apre 30 giorni dopo la GA; fino ad allora li presentiamo come obiettivi, non come risultati. Non annunciamo numeri che non possiamo difendere.
Il suo quadro delle minacce in tempo reale: stato delle campagne in corso, Managed Rules attive e il suo livello di applicazione effettivo.
Apri la dashboard →curl https://api.mnemom.ai\ /v1/trust/iocsOttieni il bundle STIX 2.1 →
Esaminiamo insieme l'architettura, gli impegni di SLO, la mappatura con l'EU AI Act e cosa significa il self-hosting per la sua postura di conformità.
Contattaci →