ÉlőUtoljára: az iméntMa: 20
Biztonságfrissítve: 17:20

Az Anthropic új API-ja átláthatóbbá teszi a Claude Code helyi működését

Az Anthropic új Compliance API-ja lehetővé teszi a biztonsági csapatok számára, hogy részletesen megfigyeljék a Claude Code helyi működését, beleértve a fájlelérést és a parancsfuttatást.

Az Anthropic új API-ja átláthatóbbá teszi a Claude Code helyi működését
Fotó: Sasun Bughdaryan / Unsplash
forrás: The Hacker News·AI Forradalom szerk.·
Megosztás

A fejlesztők gépein futó agensek hozzáférhetnek fájlokhoz, futtathatnak parancsokat és kapcsolódhatnak harmadik felekhez MCP-szervereken keresztül — közölte a The Hacker News. Az új API-végpontok átláthatóbbá teszik ezeket a tevékenységeket, bár a naplók önmagukban nem elegendőek a hozzáférés jogszerűségének megállapításához.

A helyi agensek terjedése és a felügyeleti kihívások

A helyi AI-agensek, mint a Claude Code, egyre elterjedtebbek, és az ügyfélkörnyezetekben futó AI-agensek 68,6%-át teszik ki — derül ki a Token Security adataiból. Ezek az agensek gyakran öröklik a dolgozó hitelesítő adatait, hálózati pozícióját és engedélyeit, ami komoly biztonsági kihívásokat jelent. Az endpointokra való áttérés miatt a hagyományos központi felügyeleti konzolok nem elegendőek a helyi agensek monitorozására.

Korábban az Anthropic beépített vezérlői korlátozottan látták, mit csinálnak ezek az agensek. Ez arra kényszerítette a csapatokat, hogy harmadik féltől származó bővítményeket használjanak az alapvető felügyelet biztosításához. Az új helyi munkamenet-átirat végpontok a Compliance API-ban lehetővé teszik a helyi agensek jobb kormányzását, miközben egyértelművé teszik a fennmaradó korlátokat.

A harness szerepe és a kormányzási rétegek

A „harness” egy kifinomult orchestrator, amely a felhasználói bemenetet az LLM-nek továbbítja a teljes munkamenet kontextusával együtt. Az LLM maga nem tartja fenn az állapotot; mindent megkap a harness-től a válaszadáshoz. A parancsokat futtató, harmadik felekhez hitelesítő és MCP-szerverekhez csatlakozó komponens a harness, nem az LLM. Az LLM az agy, míg a harness a test többi része, amely a végpontokon fut.

A klasszikus SaaS-modellhez képest a helyi harness-ek más megközelítést igényelnek. A Token Security által megbízott Cloud Security Alliance felmérése szerint az IT- és biztonsági szakemberek 68%-a magasnak ítélte meg az AI-agensekkel kapcsolatos láthatóságát, ugyanakkor 82% fedezett fel olyan agentet az elmúlt évben, amelyről a biztonsági vagy IT-csapat nem tudott.

Mivel a Claude Code végrehajtásának nagy része helyileg történik, a végpont telemetria olyan folyamatokat, fájlokat és konfigurációkat tárhat fel, amelyeket a felhőszolgáltatások nem látnak. Az EDR (végpont Detection and Response) bizonyítékot szolgáltat, de nem egy teljes körű kormányzási modellt. Nem tudja összekapcsolni egy agent tevékenységét annak tulajdonosával, szándékával, hitelesítő adataival és engedélyeivel.

Az Anthropic által kínált eszközök segítenek, de nem elegendőek ahhoz, hogy megakadályozzák a pusztító akciókat, még akkor sem, ha azok legálisnak tűnnek. A helyi AI-agensek hatékony kormányzásához három kulcsrétegre van szükség: az Anthropic által nyújtottakra, a végpont-specifikus adatokra, és az adatok felhasználására.

Az Anthropic felügyelt beállításai (managed settings) biztosítják a szabályozási alapot. Minden Claude Code-ot telepítő végpont rendelkezik egy JSON-fájlban vagy registry-rekordokban tárolt beállítással, amely felülírja a globális, projekt- és felhasználói beállításokat. Vállalati csomag esetén ezek a szabályok GUI-n keresztül, egyébként MDM-en keresztül alkalmazhatók a végpontokon.

Háttér: a Claude ingyenes csomagja magyarul

Forrás

Feldolgozott sajtóforrás·The Hacker News

Eredeti cikk megnyitása →

Ez a cikk a fenti sajtóforrás alapján készült AI-összefoglalóval.

tetszett a cikk? oszd meg →
Megosztás

Tetszik az oldal? Támogasd a fejlesztést

Az AI Forradalom egy automatizált pipeline: napi adatgyűjtés, LLM-feldolgozás és infrastruktúra fenntartása valódi költségekkel jár. Ha értékesnek találod a tömör, naprakész AI-összefoglalókat, egy kávé sokat segít.

Támogatom