IAM
PulseAugur coverage of IAM — every cluster mentioning IAM across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新研究通过行为上下文增强 AWS IAM 策略风险评分
一篇新研究论文探讨了如何改进与 AWS Identity and Access Management (IAM) 策略相关的风险的优先级排序。该研究引入了一种方法，除了策略的授权能力外，还融入了行为和环境上下文。通过分析 CloudTrail 遥测数据，与以策略为中心的基线相比，所提出的全上下文模型显著减少了安全分析师的预测错误，有效地区分了良性活动和可疑活动。
-
ExpertHTR框架通过多任务学习统一手写文本识别
研究人员推出ExpertHTR，一个旨在统一跨不同数据集的手写文本识别（HTR）的新框架。该系统采用多任务学习和稀疏专家混合（Mixture-of-Experts）架构，以有效处理语言、字体和标注格式的差异。实验表明，ExpertHTR在多个基准测试中显著优于通用的OCR和视觉语言系统，在IAM段落级数据集上取得了最先进的成果，尽管在某些具有挑战性的数据集上，专用HTR系统仍占有优势。
-
AI生成的AWS架构常有缺陷，新工具旨在修复
像Claude和Cursor这样的AI模型可以生成复杂的AWS架构，这些架构看起来令人印象深刻，但通常昂贵且不安全。这些模型倾向于默认使用其训练数据中流行的但效率低下的解决方案，导致不必要的服务蔓延和成本超支。为了解决这个问题，一个名为AWS Solutions Architect Prover的新工具已被开发出来，它可以在设计阶段充当高级审查员，在配置任何基础设施之前强制执行可量化的要求并最大限度地减少服务复杂性。
-
GitHub Action 在 CI/CD 流水线中自动执行云安全审计
一款名为 stackql-audit-action 的新 GitHub Action 已发布，用于在 CI/CD 流水线中自动执行云安全审计。该工具直接集成到工作流程中，对 Google Cloud Platform、AWS 和 Azure 等服务运行检查。它旨在通过执行每日或每个拉取请求的审计来捕获配置漂移，提供有关安全漏洞（如开放的 SSH 端口或公开可访问的存储桶）的即时反馈。
-
AWS MCP Suite 支持通过自然语言管理云基础设施
AWS MCP Suite 是一款新工具，允许用户通过 Claude 或 Cursor 等 AI 代理使用自然语言提示来管理其 AWS 云基础设施。该套件与 EC2、DynamoDB、S3、Lambda 和 RDS 等核心 AWS 服务集成，并利用现有的 IAM 权限来确保安全。它通过将对话式命令转换为 API 调用，简化了基础设施审计、数据库操作和 CI/CD 管道管理等复杂任务。
-
黑客利用AWS密钥向受害者收取AI模型使用费
网络犯罪分子利用泄露的AWS管理员密钥，未经授权访问了Amazon Bedrock账户。攻击者创建了一个新的IAM用户，订阅了付费AI模型，然后将相关推理成本计入受害者账单。此事件揭示了一种新的LLM劫持方法，恶意行为者利用云基础设施向毫无戒心的用户收取费用。
-
LLM驱动的MCP简化IAM，提升安全性和开发人员效率
模型上下文协议（MCP）旨在通过将其直接集成到开发环境中来简化身份和访问管理（IAM），超越基本的API调用，处理多租户和安全审计等复杂任务。该协议允许AI代理（如Claude或Cursor+）在身份栈内执行操作任务，将高摩擦的管理杂务转化为对话式交互。Vinkius的MCPFusion强调在严格策略执行的隔离V8沙箱中安全执行，以减轻与AI驱动的IAM操作相关的风险。
-
AWS Bedrock 推出 AgentCore Gateway 以管理 AI 工具访问权限
Amazon Bedrock AgentCore Gateway 提供了一个集中式解决方案，用于管理 AI 代理对组织工具的访问，解决了凭证蔓延和策略漂移等风险。该网关充当安全的入口点，利用 AgentCore Identity 进行身份验证，并利用 AgentCore Policy 来强制执行安全控制。它支持四种范围的成熟度旅程，从基本连接开始，逐步发展到高级目录和控制，并提供 AWS 管理的服务和自托管解决方案的选项。
-
AWS MCP Server 弃用代理，OAuth 2.1 影响跨账户切换
AWS 已更新其 MCP Server 以支持 OAuth 2.1，消除了许多客户端对本地代理的需求。此更改将于 2026 年 7 月 9 日生效，允许 Claude Code、Cursor 和 GitHub Copilot 等兼容 OAuth 的工具使用持有者令牌直接连接到 AWS MCP Server。然而，一个重大的缺点是丢失了跨账户配置文件切换功能，这对管理多个 AWS 账户的组织来说是一项关键功能，现在需要重新进行身份验证。
-
使用 Amazon Bedrock AgentCore 在 AWS 上构建安全的 MCP 服务器
本教程详细介绍了如何使用 Amazon Bedrock AgentCore 在 AWS 上构建安全的 MCP 服务器。该服务器设计为小型且只读，能够列出和读取 Amazon S3 存储桶中的文本文档。它采用 Amazon Cognito 进行用户身份验证，并作为无状态的 Streamable HTTP 服务器运行，利用 AgentCore Runtime 来实现安全、可扩展性和可观察性。该架构确保服务器仅具有列出存储桶和获取指定前缀内…
-
AWS Bedrock通过Athena和CUDOS增加细粒度成本归属
AWS为Amazon Bedrock推出了一项新功能，允许进行细粒度的成本归属，将每个推理请求追溯到发出调用的特定IAM主体。这使得可以详细了解用户或应用程序的支出，还可以使用成本分配标签进一步汇总到团队或项目。该过程包括设置启用IAM主体数据的成本和使用报告（CUR）2.0导出，然后使用Amazon Athena查询这些数据，最后使用CUDOS仪表板进行可视化分析和成本分摊。
-
Amazon EKS with MCP：AI 驱动的 Kubernetes 管理指南
本文提供了设置和管理 Amazon Elastic Kubernetes Service (EKS) 的综合指南，重点关注使用 MCP 进行 AI 驱动的 Kubernetes 管理。它详细介绍了核心架构，包括 EKS 控制平面、托管节点组以及 VPC CNI 等网络组件。该指南还涵盖了 AWS 身份验证、EKS 访问条目、Kubernetes 基于角色的访问控制 (RBAC) 以及使用 Terraform 部署应用程序等基本方面。
-
AWS AgentCore 网关新增 AI 流量控制的速率限制功能
AWS 已为其 AgentCore 网关（一项用于管理 AI 流量的托管服务）引入了速率限制功能。此新功能允许用户控制访问工具、推理模型和代理的单个用户的请求量、并发连接数和令牌吞吐量。可以使用 OAuth 或 IAM 配置速率限制，选项包括每分钟请求数、每秒连接数和每分钟令牌数，从而提供精细控制，确保下游服务在高负载下保持稳定。
-
Amazon SageMaker Python SDK v3 简化 LLM 推理优化
Amazon SageMaker Python SDK v3 引入了用于优化大型语言模型 (LLM) 推理的新功能。更新后的 SDK 允许用户直接在其笔记本工作流中自动化端点基准测试、评估实例配置以及迭代部署设置的过程。此集成提供了关于成本效益权衡的数据驱动建议，并支持直接部署优化后的配置。
-
指南：通过 AWS Bedrock 运行 Claude Code 并实施恰当的治理
本文详细介绍了如何通过 AWS Bedrock 正确配置 Claude Code 的运行，强调了 IAM 策略、服务控制策略 (SCPs) 和数据驻留对于企业部署的重要性。文章指出，仅仅设置环境变量是不够的，正确的设置涉及整合账单、区域数据固定、CloudTrail 可审计性以及控制对 Anthropic 模型访问的特定 IAM 权限。该指南还指出，AWS 账户需要获得 Claude 模型在 Bedrock 中使用的明确批准，这可能需…
-
脉冲神经网络Transformer推动手写文本识别发展
研究人员开发了Spike-HTR，这是一种新颖的脉冲神经网络（SNN），专为手写文本识别而设计。该混合模型通过控制脉冲步数和处理的序列位置来解决传统SNN中的计算不平衡问题。Spike-HTR利用InkCoder将静态图像转换为粗到精的输入流，并使用CTC引导的长度缩减器来压缩以空白为主的拉伸，在IAM、LAM和READ2016等基准数据集上实现了具有竞争力的字符错误率，而无需依赖语言模型或词典。
-
InkShield 防御可防止笔迹风格模仿
研究人员开发了 InkShield，一种旨在保护手写文档免遭未经授权的风格模仿的新防御系统。该系统通过在参考图像发布前对其进行细微修改来工作，使攻击者难以生成准确复制特定书写者风格的伪造文档。InkShield 将这些修改限制在笔画边缘，在保持视觉质量和可读性的同时，显著降低了生成伪造品的准确性。
-
Vertex AI IAM：超越基本授权的最小权限验证
本文讨论了验证 Vertex AI 服务账号最小 IAM 权限的重要性，而不仅仅是成功的授权。文章指出，成功的 API 调用只能确认所需权限的存在，而不能确认是否存在过多权限。作者建议使用最受限的角色，例如 `roles/aiplatform.user`，它授予了必要的 `aiplatform.endpoints.predict` 权限，而不是过于宽泛的 `roles/aiplatform.admin` 角色。这种方法有助于防止安全漏…
-
AWS SageMaker AI 增强模型监控和支持功能
AWS 为 Amazon SageMaker AI 端点引入了增强模型监控和支持的新功能。第一个开发侧重于推理元监控，它跟踪预测和数据质量指标以检测漂移并自动生成性能仪表板，利用 Amazon QuickSight 和 AWS Lambda 等服务。第二个增强功能是 Deepgram 与 AWS IAM Temporary Delegation 的集成，允许对 SageMaker AI 上的自托管语音模型进行安全、有时限的支持访问，从…
-
AWS Bedrock AgentCore 和 Gemini API Managed Agents 为 AI 代理执行提供不同的路径
AWS 和 Google DeepMind 提供了不同的托管代理执行环境方法。AWS 的 Bedrock AgentCore 提供了一个模型无关的框架，用户可以从各种 AWS 服务中进行组装，成本与计算和内存使用量挂钩。相比之下，Google DeepMind 的 Gemini API Managed Agents 与 Gemini 模型系列紧密耦合，并提供异步后台执行、远程 MCP 服务器集成以及在托管沙箱中进行自定义函数调用等功能…