Cisco AI Defense
PulseAugur coverage of Cisco AI Defense — every cluster mentioning Cisco AI Defense across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AI项目遭受快速MCP供应链攻击；扫描器已发布
一项名为Deadbugz的近期活动，通过利用MCP服务器供应链中的漏洞，在短短74分钟内成功攻击了23个AI项目。这次快速攻击凸显了一个重大的安全漏洞，因为MCP服务器的庞大数量（估计超过21,000个）导致每个软件包的审查不足。作为回应，Cisco AI Defense发布了三个开源扫描器——MCP Scanner、A2A Scanner和Skill Scanner——以帮助自动化MCP服务器实现、代理到代理接口以及技能定义在集成到…
-
7 款生产应用的 LLM 安全工具
本文重点介绍了七款用于将大型语言模型 (LLM) 集成到生产环境中的必备安全工具。文章涵盖了 Amazon Bedrock Guardrails、Cisco AI Defense 和 HiddenLayer 等解决方案，并强调随着 LLM 在商业应用中日益普及，需要采取强有力的安全措施。这些工具旨在降低与 AI 相关的风险，例如数据泄露和提示注入。
-
AI 代理易受 JSON、CSV 和 YAML 提示注入攻击
AI 代理容易受到通过 JSON、CSV 和 YAML 等常见数据格式进行的提示注入攻击，因为攻击者可以在数据字段中嵌入恶意指令。这些格式本身不提供固有安全性，因为 LLM 处理的是解码后的字符串值，而不是结构格式本身。这种漏洞已经在针对 GitHub Copilot 和 Microsoft Copilot 等工具的现实世界攻击中被利用，AIShellJack 等框架在利用这些弱点方面取得了很高的成功率。
-
Cisco 详解 AI Defense Policy Studio 的多智能体编排
Cisco 详细介绍了其 Policy Studio（Cisco AI Defense 的一个组件）背后的多智能体编排系统。该系统采用编排器-子智能体架构，旨在创建能够随着不断发展的智能体工作流进行扩展的自适应护栏。
-
ATR 提供 NSA 识别的 AI 自动化安全检测层
ATR 已开发出一种检测层，以解决模型上下文协议 (MCP) 中的安全漏洞。MCP 是一个由人工智能驱动的自动化框架。该检测层直接实施了美国国家安全局 (NSA) 和美国网络安全与基础设施安全局 (CISA) 推荐的控制措施。此前，它们曾指出序列化漏洞、信任边界违规和代理滥用等风险，但未提供具体解决方案。ATR 的规则基于对超过 96,000 个生产技能的扫描，映射到 NSA 的五个风险类别，并实现了 CISA 关于触发-操作协议监控的建议。
-
AWS and Cisco 携手合作，为 AI 代理和协议提供安全保障
AWS 和 Cisco 已达成合作，以增强 AI 代理及其相关协议（模型上下文协议 MCP 和代理间通信协议 A2A）的安全性。此次合作旨在解决这些技术快速普及所带来的关键安全漏洞，包括已部署工具缺乏可见性、手动审查无法跟上部署速度以及自主代理缺乏审计追踪。集成的解决方案利用 AWS 的 AI Registry 和 Cisco AI Defense，为 MCP 服务器、A2A 代理和 Agent Skills 提供自动化扫描、统一治理…