Bedrock安全发布模型上下文协议 (MCP) 服务器，实现安全、上下文感知的 Agentic AI
Bedrock Security 在 RSAC™ 大会上发布了其模型上下文协议 (MCP) 服务器，标志着在 AI Agent 与企业数据之间建立安全和标准化的交互方面迈出了重要一步。MCP 服务器计划于 2025 年第二季度发布，旨在提供一个安全网关，审计模型交互，并促进安全地采用开放的 Agentic AI 标准。
弥合 AI Agent 与企业数据之间的差距
核心挑战在于将 AI Agent 集成到企业工作流程中，同时不损害数据安全和治理。Bedrock Security 的 MCP 服务器通过充当桥梁来解决这个问题，它将 Bedrock 平台全面元数据湖中关于数据、风险和使用的上下文知识无缝地整合到企业工作流程和新兴的 Agentic AI 系统中。
标准化访问元数据湖
MCP 服务器提供对 Bedrock 元数据湖的标准化访问，提供关于数据敏感性、风险概况和使用模式的详细见解。这种上下文感知能力对于确保 AI Agent 或自动化工作流程中采取的行动符合已建立的组织政策和法规要求至关重要。
- 数据敏感性： 了解数据的分类和敏感性级别对于防止未经授权的访问或滥用至关重要。
- 风险概况： 识别与数据访问和使用相关的潜在风险，从而能够制定积极的缓解策略。
- 使用模式： 分析数据的使用方式可以提供关于潜在安全漏洞和合规性差距的宝贵见解。
通过提供这种全面的上下文，MCP 服务器使组织能够更安全地集成 AI 功能，在保持强大的治理的同时促进创新。
解决数据上下文碎片化问题
企业经常面临数据上下文碎片化的问题，即关于数据敏感性、使用模式、访问控制和相关风险的关键信息存在于不同的信息孤岛中。缺乏统一的视图会阻碍有效的数据治理和安全管理。
统一的、可查询的上下文层
Bedrock Security 的 MCP 服务器通过提供一个统一的、可查询的上下文层（可通过标准协议访问）来解决这一挑战。这使组织能够通过简单、迭代的查询立即访问全面的数据情报。
- 标准协议： 标准化协议确保与现有企业系统和应用程序的无缝集成。
- 迭代查询： 简单、迭代的查询允许高效和有针对性的数据发现。
- 全面的数据情报： 访问全面的数据上下文视图可以支持明智的决策。
通过将数据上下文整合到一个单一的、可访问的层中，MCP 服务器促进了改进的安全性、治理和数据驱动的决策。
通过 AI 驱动的自动化增强安全性和治理
借助 Bedrock Security 的 MCP 服务器，组织可以通过将来自元数据湖的关键上下文与 AI 工作流程无缝连接，从而增强安全性和治理，同时加速创新。
示例：自动化敏感数据停用工作流程
考虑一个组织实施自动化敏感数据停用工作流程。该工作流程可以利用 MCP 服务器来：
- 识别敏感数据： 识别数据仓库中的敏感数据，并查询样本记录以进行验证。
- 确定数据所有权和访问权限： 确定数据所有权并识别具有常规访问模式的用户。
- 通知利益相关者： 通过 Slack 等通信渠道自动通知相关利益相关者，解释为什么他们的工作需要敏感数据，或者数据的屏蔽或合成变体是否足够。
- 自动化停用： 在预定义的非活动期后继续自动停用。
- 升级给人工操作员： 当利益相关者的输入需要进一步评估时，升级给人工操作员。
此示例说明了如何使用 MCP 服务器来自动化关键的数据治理流程，从而确保合规性并最大程度地降低风险。
管理向基于 Agent 的 AI 工作流程的转变
Bedrock Security 致力于提供帮助企业管理向基于 Agent 的 AI 工作流程转变的功能，确保将治理、可追溯性和安全性嵌入到设计中。
嵌入式治理、可追溯性和安全性
通过将 MCP 服务器集成到其 AI 工作流程中，组织可以确保：
- 治理： AI Agent 在已建立的组织政策和法规要求范围内运行。
- 可追溯性： AI Agent 采取的所有操作都会被记录和跟踪以进行审计。
- 安全性： 控制和监视数据访问和使用，以防止未经授权的访问或滥用。
这种全面的安全性和治理方法确保组织可以利用 AI 的力量，而不会损害数据完整性或合规性。
Bedrock Security：在最大程度降低风险的同时加速数据利用
Bedrock Security 旨在加速企业利用数据作为战略资产的能力，同时最大程度地降低风险。其业界首创的元数据湖技术和 AI 驱动的自动化实现了对分布式环境中数据位置、敏感性、访问和使用的持续可见性。
持续的可见性和控制
通过提供对数据资产的持续可见性并自动化关键的安全和治理流程，Bedrock Security 使组织能够：
- 降低数据安全风险： 识别和缓解潜在的安全漏洞。
- 改进数据治理和合规性： 确保符合法规要求。
- 加速数据驱动的创新： 释放数据的价值以推动业务增长。
Bedrock Security 对创新和数据安全的承诺使其成为寻求在保持强大安全态势的同时利用 AI 力量的组织的宝贵合作伙伴。
上下文在 AI 工作流程中的重要性
在快速发展的人工智能领域，上下文的重要性不容忽视。随着 AI 系统越来越集成到企业工作流程中，这些系统需要理解并响应数据、风险和使用模式的细微差别，这一点变得至关重要。Bedrock Security 的模型上下文协议 (MCP) 服务器直接解决了这一需求，提供了一个关键的上下文感知层，从而实现了安全有效的 AI 实施。
为什么上下文很重要
- 数据安全： 如果没有上下文，AI Agent 可能会无意中以违反安全策略的方式访问或处理敏感数据。通过提供关于数据敏感性的详细信息，MCP 服务器确保 AI 操作与已建立的安全协议保持一致。
- 风险管理： 了解与数据访问和使用相关的风险对于防止数据泄露和其他安全事件至关重要。MCP 服务器提供对风险概况的见解，使组织能够积极地缓解潜在威胁。
- 合规性： 许多行业都受到严格的数据隐私法规的约束。MCP 服务器通过提供 AI 系统遵守这些法规所需的上下文来帮助确保合规性。
- 运营效率： 上下文感知能力使 AI Agent 能够做出更明智的决策，从而提高运营效率并减少错误。
MCP 服务器作为上下文支持者
MCP 服务器通过以下方式充当上下文支持者：
- 集中数据上下文： 将数据上下文整合到一个单一的、可访问的存储库中。
- 提供标准化访问： 提供用于访问数据上下文的标准协议。
- 启用 AI 集成： 促进将数据上下文集成到 AI 工作流程中。
对 AI 未来的影响
Bedrock Security 的 MCP 服务器对 AI 的未来具有重要影响，为以下方面铺平了道路：
- 安全可靠的 AI： 通过确保 AI 系统安全且合乎道德地运行来建立对 AI 系统的信任。
- 更广泛的 AI 采用： 通过解决安全性和治理问题来鼓励更广泛地采用 AI。
- 更有效的 AI 应用程序： 开发针对特定业务需求量身定制的更有效的 AI 应用程序。
MCP 服务器是朝着实现 AI 的全部潜力迈出的关键一步，它使组织能够安全且负责任地利用这项技术。
深入了解元数据湖
MCP 服务器的上下文感知的基础是元数据湖。元数据湖是元数据的集中存储库，元数据是关于数据的数据。此元数据包括诸如数据位置、敏感性、访问控制和使用模式之类的信息。Bedrock Security 的元数据湖旨在提供对组织数据资产的全面且最新的视图。
元数据湖的关键组件
- 数据发现： 使组织能够轻松地发现和定位分布式环境中的数据资产。
- 数据分类： 提供用于根据敏感性和其他标准对数据进行分类的工具。
- 访问控制： 管理访问控制以确保只有授权用户才能访问敏感数据。
- 数据沿袭： 跟踪数据从其源到其目的地的流动，从而提供关于数据转换和依赖关系的宝贵见解。
- 使用监视： 监视数据使用模式以识别潜在的安全漏洞和合规性差距。
全面元数据湖的优势
- 改进的数据治理： 使组织能够建立和执行数据治理策略。
- 增强的数据安全性： 提供数据安全风险和漏洞的集中视图。
- 简化的合规性： 简化符合数据隐私法规的过程。
- 更快的数据发现： 加速数据发现和分析。
- 更好的数据驱动决策： 通过提供数据资产的全面视图来支持明智的决策。
AI 驱动的自动化的作用
AI 驱动的自动化在增强 MCP 服务器和元数据湖的有效性方面起着至关重要的作用。通过利用 AI，Bedrock Security 能够自动化关键的数据治理和安全流程，从而减少人工工作并提高准确性。
AI 驱动的自动化的示例
- 自动数据分类： AI 算法可以根据其内容和上下文自动对数据进行分类。
- 异常检测： AI 可以检测数据使用模式中的异常，从而向安全团队发出潜在威胁的警报。
- 策略执行： AI 可以自动执行数据治理策略，从而确保符合法规要求。
- 威胁情报： AI 可以利用威胁情报源来识别和缓解潜在的安全风险。
AI 驱动的自动化的优势
- 减少人工工作： 自动化重复性任务，从而释放资源以用于更具战略意义的计划。
- 提高准确性： 降低人为错误的风险。
- 更快的响应时间： 能够更快地响应安全事件。
- 增强的可扩展性： 使组织能够更轻松地扩展其数据治理和安全运营。
MCP 服务器的实际应用
MCP 服务器在各个行业中都有广泛的实际应用。一些示例包括：
- 金融服务： 确保符合数据隐私法规，例如 GDPR 和 CCPA。
- 医疗保健： 保护敏感的患者数据并符合 HIPAA 法规。
- 政府： 保护机密信息并防止数据泄露。
- 零售： 保护客户数据并防止欺诈。
- 制造业： 保护知识产权并防止工业间谍活动。
具体用例
- 自动化风险评估： 自动化与数据相关的风险评估，识别潜在的漏洞和合规性差距。
- 动态访问控制： 实施动态访问控制策略，该策略根据用户角色、数据敏感性和上下文进行调整。
- 数据屏蔽和匿名化： 自动化敏感数据的屏蔽和匿名化，以保护隐私。
- 事件响应： 通过提供对数据访问和使用模式的实时可见性来加速事件响应。
克服 AI 实施中的挑战
在企业中实施 AI 并非没有挑战。一些常见的挑战包括：
- 数据质量： 确保 AI 系统使用的数据准确、完整且一致。
- 偏差： 减轻 AI 算法中的偏差以确保公平性并防止歧视。
- 可解释性： 使 AI 决策更加透明和可解释。
- 安全性： 保护 AI 系统免受网络攻击和数据泄露。
- 治理： 建立明确的 AI 开发和部署治理策略。
MCP 服务器如何应对这些挑战
MCP 服务器通过以下方式帮助应对这些挑战：
- 为数据质量提供上下文： 使 AI 系统能够根据上下文评估数据质量。
- 减轻偏差： 提供对数据偏差的见解，并使组织能够采取纠正措施。
- 提高可解释性： 通过提供关于所使用数据的上下文来使 AI 决策更具可解释性。
- 增强安全性： 通过提供安全的数据网关来保护 AI 系统免受网络攻击和数据泄露。
- 支持治理： 使组织能够建立明确的 AI 治理策略。
数据安全和 AI 的未来
Bedrock Security 的 MCP 服务器代表了数据安全和 AI 演进过程中的一个重大进步。随着 AI 不断改变各个行业，对安全、上下文感知的 AI 系统的需求只会增长。MCP 服务器为构建这些系统提供了基础，使组织能够安全且负责任地利用 AI 的力量。
塑造未来的关键趋势
- AI 采用率提高： AI 将在所有行业中变得越来越普遍。
- 数据量不断增长： 数据量将继续呈指数级增长。
- 不断演变的威胁形势： 网络威胁将变得更加复杂和持久。
- 更严格的数据隐私法规： 数据隐私法规将变得更加严格。
- 强调负责任的 AI： 将更加强调负责任地开发和部署 AI。
Bedrock Security 的愿景
Bedrock Security 的愿景是使组织能够在保持最高水平的安全性和治理的同时，利用数据和 AI 的力量。MCP 服务器是该愿景的关键组成部分，它为构建一个 AI 既强大又值得信赖的未来奠定了基础。