Кібербезпека

Anthropic Розташує INLINE Захист Від Втрати Даних Всередині Claude Enterprise

mm
Додайте Unite.AI до бажаних джерел у Google

Anthropic запустив інференс-хуки 5 серпня 2026 року, бета-функцію для Claude Enterprise, яка маршрутизує кожен запит працівника через власний сервер безпеки організації для рішення про дозвіл або заборону перед тим, як модель побачить його. Система, описана в оголошенні Anthropic, розширює вид інлайн-захисту від втрати даних, який команди безпеки вже використовують для електронної пошти та веб-трафіку, до чатів, сесій Claude Code та сесій Claude Cowork, з єдиною організаційною конфігурацією.

До цього моменту єдиним рідним інлайн-забезпеченням Anthropic були клієнтські хуки в Claude Code, які працюють на машині користувача. Інференс-хуки переміщують перевірку на сервери Anthropic, після того, як запит залишає клієнта і перед тим, як запуститься інференція, так що одне керування покриває всі керовані поверхні без жодних установок на пристроях користувачів.

Як працює шлях виконання

Коли користувач на керованій поверхні надсилає запит, Anthropic відправляє транскрипт розмови на сервер безпеки організації через підписане з’єднання і чекає рішення. При дозволі інференція продовжується. При забороні запит ніколи не досягає моделі, а користувач бачить повідомлення про блокування за політикою, створене з причини, яку повернув сервер безпеки, плюс постійне повідомлення, яке конфігурують адміністратори організації, наприклад, де можна запросити виняток. Кожна заборона потрапляє до ленты діяльності організації.

Той самий огляд запускається на виклики інструментів. Коли Claude викликає інструмент, включаючи інструменти, підключені через MCP-конектори, навички та плагіни, відповідь інструменту перевіряється перед тим, як вона повернеться до моделі. Це закриває іншу половину проблеми переміщення даних: чутливі матеріали, що входять до розмови з підключеної системи, а не тільки те, що працівник вставляє. Відповіді інструментів стали спостережуваною атакованою поверхнею саме з цієї причини, оскільки вони несуть дані до контексту моделі ззовні периметру організації, як недавнє дослідження про втечу з пісковика агентів підкреслило.

Саме рішення є малим об’єктом JSON, а сервер повинен відповісти в межах налаштованого таймауту, за умовчанням 5 секунд, згідно з документацією продукту. Запити підписуються згідно зі стандартом Standard Webhooks після генерації організації підписного секрету, так що сервер безпеки може перевірити, чи дійсно трафік прийшов від Anthropic.

Сервер безпеки бачить текст транскрипту, виклики інструментів та їх результати, а також текст, витягнутий з вкладень. Він ніколи не отримує сирі байти файлу чи зображення, системні запити чи визначення інструментів. Допоміжні запити, такі як генерація назви розмови, пропускають кінцеву точку, а режим голосу не покритий.

Розроблений для розміщення перед існуючим стеком DLP

Anthropic не продає сканувальний двигун. Протокол заснований на вебхуках з опублікованою схемою, а оголошення називають Netskope, Palo Alto Networks (PANW ), Proofpoint та Zscaler як місця призначення, куди організації можуть вказати хук, поряд з внутрішніми серверами. Виробники безпеки можуть створювати інтеграції проти задокументованої схеми та мати спільних клієнтів, які маршрутизують рішення до своїх платформ. Архітектура інвертує звичайне розгортання DLP: замість того, щоб апаратне забезпечення виробника переслідувало трафік AI в мережі, постачальник AI викликає API рішення виробника на кожен запит. Check Point прийняв дзеркальний підхід за кілька днів до цього, перемістивши огляд запиту AI у свої брандмауери, так що мережевий шар перехоплює трафік, пов’язаний з моделлю.

Контроль розгортання визнає, що блокування працівників у перший день – це те, як програми DLP помирають. Режим спостереження спостерігає за рішеннями на живому трафіку без блокування чогось, відсоток розгортання перевіряє вибрану частку запитів, а виключення звільняють членів вибраних ролей повністю. Якщо сервер безпеки недоступний, виходить з ладу чи перевищує таймаут, організація вибирає постуру відмови: блокує запит чи пропускає його без перевірки.

Документація перелічує DLP як найпоширеніше розгортання, але описує три інші: архівування транскриптів у реальному часі як альтернативу опитуванню API-комплаєнсу Anthropic, телометрія запиту, захоплена в момент використання, та настраївані двигуни політики, які застосовують правила, такі як списки дозволів моделей чи обмеження проекту, до інференції.

Що бета не покриває

Зазначені обмеження документації визначають поточний контур. Рішення є бінарними: сервер може дозволити або заборонити запит, але не може переписати чи видалити його. Вкладення надходять як метадані та витягнутий текст, тому контент тільки з зображеннями, наприклад знімок екрана документа, залишається неперевіреним. Єдине подія хука на запуску викликається перед інференцією; виконання з боку відповіді, перевірка того, що повертає модель, планується як пізніше подія. А функція керує тільки поверхнями Claude Enterprise: доступ до API через платформу Claude виключений з контуру, а організації, які запускають Claude на Amazon Bedrock або Google Cloud, нічого не отримують.

Це залишає конкурс перевірки двох живих моделей. Контроль на рівні мережі бачить все, що перетинає дріт, але напружується проти зашифрованого, розсіяного трафіку AI; хуки постачальника, як цей, бачать саме те, що бачила б модель, але тільки всередині периметру одного постачальника. Документація обмежує хуки поверхнями Claude Enterprise та виключає Bedrock і Google Cloud, тоді як підхід Check Point до брандмауера перевіряє трафік на рівні мережі.

Інференс-хуки доступні у бета-версії для організацій Claude Enterprise, з конфігурацією, обмеженою ролями адміністраторів організації. Подія запиту є живою у сесіях claude.ai, Cowork та Claude Code на вебі, робочому столі та CLI, а документація Anthropic розглядає виконання з боку відповіді як наступну перевірку.

Майлз Окада - аналітик, створений штучним інтелектом, у Unite.AI, який висвітлює штучний інтелект та кібербезпеку, з особливим акцентом на нових загрозах, захисних архітектурах та еволюційних динаміках між атакувальниками та автоматизованими системами. Його робота досліджує, як штучний інтелект змінює операції з безпеки, від автономного виявлення загроз та реагування до зростання технік штучного інтелекту.

Він аналізує дослідження безпеки, розголошення інцидентів та реальні розгортання, щоб зрозуміти, де штучний інтелект посилює захист - і де він вводить нові уразливості. Він приділяє особливу увагу експлуатації моделей, отруєнню даних, автоматизації атак та оперативним реаліям захисту систем, що працюють на штучному інтелекті, у великому масштабі.

Статті, написані Майлзом Окадою, створені штучним інтелектом та перевірені редакційною командою Unite.AI, щоб забезпечити точність, суворість та відповідальне висвітлення швидко змінюваного ландшафту безпеки штучного інтелекту.