[控场AI]
产品AegisGraph Agent

AegisGraph

基于图数据库构建的安全事件响应AI Agent,能够利用知识图谱进行多跳推理,定位攻击路径并执行修复动作。

时间轴 (近 90 天)

10月18日

AegisGraph项目在Graph Hacks黑客松(WeMakeDevs与FalkorDB联合举办,Track 01:作用于关联数据的Agent)中构建。

待验证50%
10月18日

AegisGraph团队得出结论:Agent能否安全行动,几乎完全取决于其上下文的结构,知识图谱优于扁平的向量片段。

待验证50%
10月18日

在演示拓扑中,跨代码、运行时、身份三层的攻击路径有5到8跳,且有六条这样的路径通向3个关键PII数据库。

待验证50%
10月18日

AegisGraph将代码层、运行时层、身份与数据层建模为单个FalkorDB属性图。

待验证50%
10月18日

AegisGraph使用一条OpenCypher查询同时回答攻击者能触达哪些数据以及哪条服务路径是枢纽两个问题。

待验证50%
10月18日

在AegisGraph的演示拓扑中,legacy-billing-bridge之所以关键,是因为它位于全部六条攻击路径上,而非因为其代码有漏洞。

待验证50%
10月18日

沙箱图是生产图的克隆,Agent在沙箱中执行建议的修复动作后重新运行爆炸半径查询,验证攻击路径是否被切断以及关键业务路径是否仍然连通。

待验证50%
10月18日

“先证明、后执行”的模式将Agent从概率性的文本生成器转变为可验证的决策系统。

待验证50%
10月18日

AegisGraph方案依赖图数据的完整性和新鲜度,如果代码依赖、服务路由或IAM策略的同步存在延迟,图上的路径分析就会失真。

待验证50%
10月18日

沙箱图与生产图的一致性维护本身是一个工程挑战,尤其是在高频变更的生产环境中。

待验证50%

还有 1 条时间轴事件

全部知识事实 (11)

待验证

对于需要在高风险环境中行动的Agent,核心教训是:让Agent在图上先证明它的修复,再让它动手。

50%
待验证

AegisGraph团队得出结论:Agent能否安全行动,几乎完全取决于其上下文的结构,知识图谱优于扁平的向量片段。

50%
待验证

在演示拓扑中,跨代码、运行时、身份三层的攻击路径有5到8跳,且有六条这样的路径通向3个关键PII数据库。

50%
待验证

AegisGraph将代码层、运行时层、身份与数据层建模为单个FalkorDB属性图。

50%
待验证

AegisGraph使用一条OpenCypher查询同时回答攻击者能触达哪些数据以及哪条服务路径是枢纽两个问题。

50%
待验证

在AegisGraph的演示拓扑中,legacy-billing-bridge之所以关键,是因为它位于全部六条攻击路径上,而非因为其代码有漏洞。

50%
待验证

沙箱图是生产图的克隆,Agent在沙箱中执行建议的修复动作后重新运行爆炸半径查询,验证攻击路径是否被切断以及关键业务路径是否仍然连通。

50%
待验证

“先证明、后执行”的模式将Agent从概率性的文本生成器转变为可验证的决策系统。

50%
待验证

AegisGraph方案依赖图数据的完整性和新鲜度,如果代码依赖、服务路由或IAM策略的同步存在延迟,图上的路径分析就会失真。

50%
待验证

沙箱图与生产图的一致性维护本身是一个工程挑战,尤其是在高频变更的生产环境中。

50%
待验证

AegisGraph项目在Graph Hacks黑客松(WeMakeDevs与FalkorDB联合举办,Track 01:作用于关联数据的Agent)中构建。

50%

来源文章