台灣 AI x AEC 情報BY FBI SICENTER
AI × AEC · 情報整理

Greenlight Financial 採用 Bedrock AgentCore 構建自主資安維運架構

AI 助理 · 企業 AI 導入

Greenlight Financial 透過 Amazon Bedrock AgentCore 執行環境與記憶體功能打造 Luna 分層多代理系統,每月自主分類並處理高達 4,000 件資安與金融風險警報中的逾 90%,常規案件縮短至數秒完成。

Greenlight Financial 採用 Bedrock AgentCore 構建自主資安維運架構
AI 生成概念示意圖,非事件實拍。

金融科技公司 Greenlight Financial 採用 Amazon Bedrock AgentCore 執行環境與記憶體功能,打造自主資安維運中心(SOC)系統 Luna。面對每月 3,000 至 4,000 件涵蓋暗網外洩卡號、身分存取異常、基礎設施及金融風險等警報,過去人工審查單案需耗費 15 至 30 分鐘。該架構模仿人類 SOC 團隊的分層模式:第一層主管代理調度 30 多個專門領域代理進行大量例行案件快速分類;超過信心門檻的約 10% 複雜案件則升級至具備長思考推理能力的第二層主管代理深入跨來源分析。透過包含 30 天滾動視窗的偶發記憶與長期模板回饋機制,Luna 的自主結案率由 83% 提升至 90% 以上,將例行分類時間縮短至數秒,每月省下約 900 至 1,800 小時分析人力。

值得帶走的重點

  • Luna 於 Amazon VPC 內採用 Bedrock AgentCore 執行環境與記憶體模組,協同超過 30 個專責領域代理運作。
  • 第一層代理於數秒內快速分類大量常規警報,將約 10% 的複雜案件升級至第二層代理以跨資料來源推理並生成報告。
  • 導入 30 天滾動偶發記憶與長期記憶反饋管道,使自主處理比例從 83% 成長至超過 90%。
  • 該架構於導入 SOC 後兩個月內橫向擴展至金融風險評估,可自主完成暗網卡號重複比對、身分狀態確認與跨來源交叉驗證。

來源:AWS Machine Learning 閱讀原文 ↗

本篇由 AI 整理、核對並自動發布,未經逐篇人工審核。譯文經 AI 複核。

← 瀏覽全部文章