#安全/对齐

用 Amazon Bedrock AgentCore 构建 AI 智能体可信度：一套生产级评估框架

AWS 销售与全球服务运营团队基于 Amazon Bedrock AgentCore Evaluations 搭建了生产级多智能体评估框架，用于持续检验 Performance Insights、Customer Insights、Data Insights 等子智能体的回答是否真实可靠。

AWS 提出 Trust in Depth：让智能体获得更多自主权而不失控

AWS 副总裁 Shawn Bice 提出 Trust in Depth 框架，主张用独立分层的可验证机制替代逐步骤人工审批，让智能体在规则可被证明的范围内自主行动。

Tamnoon 如何用 Amazon Bedrock 构建 AI 云安全修复平台 Tami

Tamnoon 基于 Amazon Bedrock 构建了智能体云修复编排器 Tami，可自主调查 CNAPP 等来源的安全发现并评估修复安全性，再生成带护栏和回滚指引的修复方案。该方案在 90 天内将关键云暴露减少超过 90%，且未引发任何生产问题。Tami 由调查、安全评分、修复和代码生成四个专用智能体组成，通过单一 API 按任务调用不同基础模型。

Google DeepMind 与新加坡政府合作推出端侧诈骗检测模型

Google DeepMind 与新加坡政府科技局（GovTech）合作，基于轻量级 Gemma 模型微调出可在普通智能手机上运行的端侧诈骗检测模型。该模型在设备本地处理对话数据，采用两阶段流水线：先用轻量分类器筛查消息，再用微调后的 Gemma 分析更大范围的对话上下文以确认威胁或排除误报，检测到操纵性对话模式时会在设备上实时提醒用户。

Google DeepMind 发布 Gemini 4 Argon 并公布安全防护方案

Google DeepMind 开始广泛推送 Gemini 4 Argon，并同步扩大 Fairwind Program 的可信网络安全防御者范围。该模型在 12 个端到端模拟网络攻击场景中全部通关，上一代为 5 个；在对抗测试集上违规请求减少近两倍，Gray Swan 间接提示注入基准上 15 次自适应攻击的成功率降至 0.7%。

同一新闻，精选展示《Google DeepMind 发布 Gemini 4 Argon，主打复杂工程与科研任务》

OpenAI 打击两起利用 AI 的“假外媒”影响力行动

OpenAI 捣毁了两起借助 AI 开展的影响力行动，这些行动利用假记者和一家智库散布地缘政治信息。

Amazon Quick 与 Amazon Bedrock 如何用实时 ACL 重构 RAG 访问控制

Amazon Quick 与 Amazon Bedrock Knowledge Bases 在预检索 ACL 过滤之外新增实时 ACL 校验，在查询时直接向权威数据源核实权限，避免依赖可能过期或映射错误的 ACL 数据。该方案分两阶段：先用索引中已存的 ACL 做语义检索筛选候选文档，再通过 Google Drive API 等实时验证，未授权文档不会进入 LLM 上下文。

GitHub 推出基于 ModernBERT 的密钥检测模型，将 push 保护扩展到非结构化密钥

GitHub 发布与 Microsoft Applied Sciences 联合微调的 ModernBERT 分类器，用代码上下文识别数据库密码、Kubernetes Secret、Dockerfile 等非结构化密钥，可在 2 毫秒内评估一批候选密钥，官方称有望让可拦截的密钥数量翻倍以上。

Qlik 如何用 Amazon Bedrock 构建企业级可信 AI

Qlik 基于 Amazon Bedrock 打造 Qlik Answers，为全球超 4 万名客户提供带来源引用的自然语言问答，其 Discovery Agent 上线以来已为客户发现超 10 万条异常与离群点。

AWS 如何帮助客户对齐 ISO/IEC 42005:2025 的负责任 AI 治理

AWS 发文解读国际标准 ISO/IEC 42005:2025，说明客户如何将 AI 系统影响评估整合进企业风险管理体系。该标准覆盖评估全生命周期，Annex D 用于简化并避免与现有评估重复，Annex E 提供独立实施模板，并给出轻量级 triage 判断是否需完整评估。

OpenAI 谈欧盟文本溯源规则下的文本水印方案

OpenAI 阐述了其在欧盟文本溯源规则下推进文本水印的做法，说明了水印的适用场景与检测机制，并解释为何检测能力首先向研究人员开放。

Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质加水印

Google DeepMind 发布 SynthID Bio，可在为 AI 生成蛋白质添加水印的同时保留其生物功能，目前处于概念验证阶段。

OpenAI 阻断一次协同模型蒸馏行动

OpenAI 披露其阻断了一次协同的模型蒸馏行动，该行动试图提取受保护的模型推理内容。OpenAI 表示正在加强针对对抗性蒸馏的防御。

GitHub Security Lab 发布 Fuzzing Taskflow 智能体，自动完成 C/C++ 模糊测试全流程

GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，智能体就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做分诊并生成漏洞报告。

Google DeepMind 为 Private AI Compute 引入安全服务端持久记忆

Google Private AI Compute 团队公布 Private AI Compute 架构更新，将为其平台带来持久、跨设备的服务端 AI 记忆，同时保持端侧隐私标准。