Kybernetická bezpečnost

Anthropic Umístí Inline Prevenci Datové Úniku Uvnitř Claude Enterprise

mm
Přidejte Unite.AI mezi své preferované zdroje na Google

Anthropic spustil inference hooks 5. srpna 2026, beta funkci pro Claude Enterprise, která směruje každý prompt zaměstnance skrze bezpečnostní server organizace pro rozhodnutí allow-or-deny předtím, než model vůbec uvidí. Systém, popsán v oznámení Anthropic, rozšiřuje typ inline prevence datové úniky, který bezpečnostní týmy již používají pro e-mail a webový provoz, na chat, Claude Code a Claude Cowork relace, s jedinou organizací-úrovní konfigurace.

Dosud žila jediná nativní inline vynucení Anthropic v klient-side hookách Claude Code, které běží na počítači uživatele. Inference hooks přesouvá kontrolní bod na servery Anthropic, po žádosti opustí klienta a před spuštěním inference, takže jedna kontrola pokrývá všechny řízené povrchy bez instalace na zařízeních uživatelů.

Jak funguje vynucovací cesta

Když uživatel na řízeném povrchu odesílá prompt, Anthropic pošle konverzační přepis na bezpečnostní server organizace přes podepsané připojení a čeká na rozhodnutí. V případě povolení inference pokračuje. V případě zamítnutí žádost nikdy nedosáhne modelu a uživatel uvidí zprávu o zablokování z důvodu politiky vytvořenou z důvodu, proč bezpečnostní server vrátil, plus stálou informaci, kterou konfigurují správci organizace, například kde požádat o výjimku. Každé zamítnutí se objeví v Aktivitě organizace.

Stejná kontrola běží na volání nástrojů. Když Claude vyvolá nástroj, včetně nástrojů připojených prostřednictvím MCP konektorů, dovedností a pluginů, odpověď nástroje je zkontrolována předtím, než se vrátí modelu. To uzavírá druhou polovinu problému pohybu dat: citlivé materiály vstupující do konverzace z připojeného systému, nejen to, co zaměstnanec vloží. Odpovědi nástrojů se staly sledovaným útočným povrchem právě z tohoto důvodu, protože přinášejí data do kontextu modelu z vnějšku perimetru organizace, jak nedávný výzkum do agent sandbox escapes zdůraznil.

Samotné rozhodnutí je malý JSON objekt a server musí odpovědět do konfigurovatelného časového limitu, pět sekund výchozí, podle dokumentace produktu. Žádosti jsou podepsány podle Standard Webhooks specifikace, jakmile organizace vygeneruje podepsaný tajný klíč, takže bezpečnostní server může ověřit, zda provoz skutečně pochází z Anthropic.

Bezpečnostní server vidí text přepisu, volání nástrojů a jejich výsledky a text extrahovaný z příloh. Nikdy neobdrží surová souborová nebo obrazová data, systémové prompty nebo definice nástrojů. Doplňkové žádosti, jako je generování názvu konverzace, přeskočí koncový bod a hlasový režim není pokryt.

Vyvinutý pro umístění před stávající DLP stack

Anthropic neprodává skenovací engine. Protokol je založen na webhooku s publikovaným schématem a oznámení uvádí Netskope, Palo Alto Networks (PANW ), Proofpoint a Zscaler jako destinace, na které organizace mohou směrovat hook, vedle vlastních serverů. Bezpečnostní dodavatelé mohou vytvářet integrace proti dokumentovanému schématu a mít vzájemné zákazníky, kteří směrují verdikty na své platformy. Architektura invertuje obvyklou DLP nasazení: místo toho, aby dodavatelova zařízení pronásledovala AI provoz na síti, AI poskytovatel volá dodavatelské API verdiktu na každé žádosti. Check Point přijal zrcadlový přístup několik dní dříve, přesunul AI prompt inspekci do svých firewallů, aby síťová vrstva zachytila model-směrovaný provoz.

Kontroly nasazení uznávají, že blokování zaměstnanců v den jeden je to, jak DLP programy umírají. Stínový režim pozoruje verdikty na živém provozu bez blokování čehokoli, procento nasazení kontroluje zvolenou frakci žádostí a výjimky osvobozují členy vybraných rolí úplně. Pokud je bezpečnostní server nedosažitelný, chybový nebo překročí časový limit, organizace zvolí selhání postoje: blokovat žádost nebo ji nechat projít bez kontroly.

Dokumentace uvádí DLP jako nejčastější nasazení, ale popisuje tři další: reálnou archivaci přepisu jako push-založenou alternativu k dotazování Anthropic Compliance API, zachycení prompt telemetrie v okamžiku použití a vlastní policy engine vynucující pravidla, jako je model allowlisty nebo projektově-scoped omezení před inference.

Co beta nepokrývá

Dokumentace definuje aktuální hranice. Verdikty jsou binární: server může povolit nebo zamítnout prompt, ale nemůže přepsat nebo upravit jeden. Přílohy přicházejí jako metadata a extrahovaný text, takže obrazový obsah, například screenshot dokumentu, zůstává nekontrolovaný. Jediná hook událost při spuštění se aktivuje na prompt před inference; response-side enforcement, kontrola toho, co model vrátí, je naplánována jako pozdější událost. A tato funkce řídí pouze povrchy Claude Enterprise: přístup API přes Claude Platform je mimo rozsah a organizace, které běží Claude na Amazon Bedrock nebo Google Cloud, nic nezískají.

To zanechává kontrolní bod s dvěma živými modely. Síťová kontrola vidí cokoli, co přechází drát, ale namáhá se proti šifrovanému, rozptýlenému AI provozu; poskytovatel-side hooky, jako je tento, vidí přesně to, co by model viděl, ale pouze uvnitř perimetru jednoho dodavatele. Dokumentace omezuje hooky na povrchy Claude Enterprise a vylučuje Bedrock a Google Cloud, zatímco přístup Check Pointu k firewallu kontroluje provoz na síťové vrstvě.

Inference hooks je dostupný v beta pro organizace Claude Enterprise, s konfigurací bráněnou za role správce organizace. Prompt událost je živá napříč claude.ai, Cowork a Claude Code relacemi na webu, desktopu a CLI a dokumentace Anthropic rámcuje response-side enforcement jako další kontrolní bod, který přijde.

Miles Okada je AI-generovaný analytik v Unite.AI, který se věnuje umělé inteligenci a kybernetické bezpečnosti se zaměřením na vznikající hrozby, obranné architektury a vyvíjející se dynamiku mezi útočníky a automatizovanými systémy. Jeho práce zkoumá, jak AI přetváří bezpečnostní operace, od autonomního detekování a reakce na hrozby po nárůst adversariálních AI technik.

S technickým a vyšetřovacím pohledem Miles analyzuje výzkum v oblasti bezpečnosti, zveřejnění incidentů a reálná nasazení, aby pochopil, kde AI posiluje obranu – a kde zavádí nové zranitelnosti. Věnuje zvláštní pozornost zneužití modelů, otrávení dat, automatizaci útoků a provozním realitám zabezpečování systémů poháněných AI ve velkém měřítku.

Články napsané Milesem Okadou jsou AI-generované a recenzované redakčním týmem Unite.AI, aby zajistily přesnost, důkladnost a zodpovědné pokrytí rychle se měnícího prostředí AI bezpečnosti.