标签

可观测性

用三道防线构建多租户 LLM 分析系统：SigV4、语义校验与行级隔离

来源: aws.amazon.com 37
多租户分析系统接入 LLM 后，最危险的变化不是“模型会不会答错”，而是“模型会不会被诱导越权”。如果一个租户通过自然语言问出了另一个租户的数据，传统的应用层权限判断很容易被 prompt injection、工具调用参数污染或 SQL 生成错误绕过。 PAR 的做法值得关注：他们把安全边界拆成三层，而且每一层都独立工作。请求入口用 AWS SigV4...
# AI # AWS # LLM
阅读全文

用 Amazon Bedrock AgentCore Observability 排查生产 Agent 故障

来源: aws.amazon.com 25
Agent 进入生产环境后，最难处理的不是“模型答错了”这种显性问题，而是它为什么反复调用同一个工具、为什么一次工具调用没有返回、为什么用户看到超时但后端日志看起来正常。Amazon Bedrock AgentCore Observability 的价值就在这里：把 Agent 的执行轨迹、工具调用和运行指标放到同一个可分析的上下文里，让排障从猜测变成...
# AI # AWS # LLM
阅读全文

用 SageMaker AI、VPC 端点和安全浏览器堵住机器学习环境的数据外流通道

来源: aws.amazon.com 38
机器学习环境最容易出现一个矛盾：数据科学家需要快速访问数据、Notebook、模型训练和实验工具；安全团队则要确保敏感数据不会被复制到个人电脑、外部网盘、公共 API 或不受控的网络出口。本文围绕一种三层架构展开：用 Amazon SageMaker AI 承载建模工作区，用 VPC 端点收紧网络路径，再用 Amazon WorkSpaces Secu...
# AI # AWS # 云平台
阅读全文

用 Azure Files 承载现代 Linux 工作负载：共享文件不再只是挂载点

来源: azure.microsoft.com 25
Linux 工作负载里，文件共享一直是一个朴素但关键的需求：多个节点读写同一批文件、应用迁移时保留 POSIX 风格路径、批处理和服务之间交换数据。Azure Files 的价值在于把这种熟悉的文件访问模型，和云上的性能能力、数据保护、安全控制以及 Azure 服务集成放到一起，减少团队自己维护文件服务器的负担。 不是所有状态都适合塞进对象存储或数据库...
# Azure # 云平台 # 可观测性
阅读全文

AI 系统接入核心流程后，安全团队要重新画威胁边界

来源: infoq.com 27
AI 威胁正在从“模型会不会被问出坏答案”，走向“代理会不会拿着真实权限做错事”。这场虚拟圆桌讨论把焦点放在几个正在快速成熟的攻击面上：提示注入、数据投毒、Agent 滥用，以及 AI 加持的社会工程。对安全团队来说，变化不只是多了一类工具，而是信任边界、事件响应和权限治理都被重新打开了。 传统应用安全里，输入框、API 参数、文件上传是显眼入口。AI...
# AI # Go # InfoQ
阅读全文

把服务网格流量接进 OpenTelemetry：2026 年东西向指标参考

来源: cncf.io 31
如果你已经在跑 OpenTelemetry pipeline，应用内部发生了什么通常不再是黑盒：请求耗时、错误、trace、runtime 指标都能进同一套观测系统。但很多团队仍然缺一块：服务之间的东西向流量。服务网格或 sidecar/proxy 能看到应用代码看不到的连接、重试、TLS、上游/下游关系，把这些 mesh-derived metric...
# CNCF # Go # 云原生
阅读全文

AI 写代码变快了，交付为什么没跟上？

来源: infoq.com 20
GitLab 2026 AI Accountability Report 提出了一个很扎实的“AI 悖论”：78% 的开发者认为 AI 让自己写代码更快，但软件整体交付速度并没有同步提升。原因不在编辑器里，而在更靠后的环节：测试、评审、合规、可追溯性，以及企业治理对 AI 生成代码提出的新要求。 AI 编程工具最容易改善的是局部动作：补全函数、生成测试...
# AI # Go # InfoQ
阅读全文

AI 让编码提速，软件交付却卡在了后半程

来源: infoq.com 31
GitLab 的 2026 AI Accountability Report 把一个很现实的矛盾摆上了桌面：78% 的开发者认为 AI 让自己写代码更快了，但软件整体交付并没有同步加速。原因不神秘，代码只是交付链路的一段。测试、评审、合规、可追溯性和企业治理如果没有一起升级，AI 生成的更多代码反而会把瓶颈推到下游。 AI 编程工具最直接的收益发生在编...
# AI # Go # InfoQ
阅读全文

Athena 联盟：用 AI 在攻击者动手之前修补开源漏洞

来源: infoq.com 40
开源组件撑起了浏览器、数据中心、手机和支付系统，但漏洞修补的速度往往跟不上攻击者利用的速度——发现一个 CVE 到实际修复落地，中间可能隔着数周甚至数月。Chainguard 牵头成立的 Athena 联盟，试图用 AI 把这个时间差压缩到攻击者来不及反应的程度。 Athena 不是又一个漏洞数据库。它的重心放在三类被广泛依赖却容易被忽视的组件上： 基...
# AI # InfoQ # 云原生
阅读全文