Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarAWS Machine Learning Blog→ original

Skyflow en AgentCore Gateway oculta los datos personales a las herramientas de los agentes de IA

Cuando un agente de IA busca en la web datos sobre una disputa con un cliente de un banco, el nombre del cliente viaja en la consulta a un buscador de terceros. Skyflow se integra en Amazon Bedrock AgentCore Gateway y sustituye ese nombre por un token reversible del tipo [NAME_AJbrIud]. El buscador ve el token, mientras que el analista ve el nombre real en la respuesta del agente. No hace falta modificar el código de los agentes ni de las herramientas, así que compensa instalar la protección una sola vez en el gateway.

Procesado por IA desde AWS Machine Learning Blog; editado por Hamidun News
Skyflow en AgentCore Gateway oculta los datos personales a las herramientas de los agentes de IA
Fuente: AWS Machine Learning Blog. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalAWS Machine Learning Blog ↗
Editor jefe
Tres modosprotección de la herramienta, del modelo y del documento
Dato clave #2Si falla la desidentificación, la llamada se bloquea en lugar de salir en claro
Dato clave #3Los PDF y las imágenes reciben únicamente tokens irreversibles

Los agentes hace tiempo que dejaron de limitarse a responder preguntas: consultan buscadores, CRM, almacenamientos en la nube y servidores MCP. Cada una de esas llamadas es un canal por el que pueden filtrarse datos personales. La mayoría de las defensas corporativas vigilan lo que entra en el modelo y lo que sale de él, pero rara vez prestan atención a lo que el agente envía a las herramientas y a lo que recibe de vuelta. AWS y Skyflow proponen cerrar esa brecha en un único punto: el gateway Amazon Bedrock AgentCore Gateway.

Por dónde se filtran exactamente los datos

AWS describe tres escenarios. El primero: el modelo construye los argumentos de la llamada a partir de todo su contexto, incluido lo que sobra. Si le pregunta al agente por un cliente, su nombre, su número de cuenta o su correo acabarán en una consulta a un servidor de terceros, fuera de su cuenta y de su perímetro de compliance.

El segundo: los resultados de las herramientas, como páginas extraídas por scraping o fichas de un CRM, quedan en el contexto del modelo, en la memoria, en las trazas y en los logs, aunque la tarea no los necesitara. El tercero: los documentos. Almacenamientos como S3, Box y Google Drive no devuelven texto, sino un enlace firmado.

Un filtro que revisa cadenas de texto ve simplemente una URL, la deja pasar y el agente abre el archivo original.

El ejemplo del artículo es el de un agente bancario que analiza una operación con tarjeta en disputa. Sin protección, el buscador recibe la consulta «Mateo Jackson dispute AnyCompany Electronics London»; es decir, el nombre del cliente llega a un tercero para una búsqueda que solo necesita el comercio. Con el interceptor, la consulta es «[NAME_AJbrIud] dispute AnyCompany Electronics London». Los resultados de la búsqueda llegan igual que antes, el buscador no sabe de quién se trata y el analista sigue viendo el nombre real en la respuesta del agente.

Cómo funciona el interceptor

AgentCore Gateway permite conectar una función Lambda propia a cada llamada: el interceptor de solicitud ve la llamada antes de que llegue a la herramienta, y el de respuesta ve el resultado antes de que llegue al agente. Cualquiera de los dos puede revisar, reescribir o bloquear el contenido. Skyflow se instala en ambos puntos y, mediante Skyflow Detect, localiza nombres, correos, teléfonos, identificadores oficiales, números de tarjeta, fechas de nacimiento y direcciones. Los originales se almacenan en Skyflow Vault para que los sistemas autorizados puedan revertir los tokens.

Hay tres modos. «Proteger la herramienta»: los valores sensibles se eliminan de los argumentos y se restituyen en los resultados; es adecuado para la búsqueda web y las API de terceros. «Proteger el modelo»: los prompts, el historial y los resultados se desidentifican antes de que el modelo los lea, y para ello el agente dirige las llamadas al modelo a través del endpoint de inferencia del gateway. «Proteger el documento»: el enlace firmado se sustituye por un enlace a una copia depurada, que Skyflow Detect v2 genera y guarda en la región permitida. El archivo en sí no pasa por Lambda, por lo que los límites de tamaño del payload no suponen un problema.

La política a nivel de servidor y de herramienta (dirección, tipos de entidad y tipo de token, reversible o de un solo uso) reside en Parameter Store y se modifica sin necesidad de volver a desplegar. La clave de API se guarda en Secrets Manager, y las decisiones se registran en CloudWatch sin los valores originales. Si no se logra completar la desidentificación, la llamada se retiene y no sale en claro. Los archivos solo se descargan desde ubicaciones permitidas.

Limitaciones y qué hacer

Hay matices. Los formatos de texto y ofimática (TXT, JSON, CSV, XML, JSONL, DOCX, XLSX, PPTX) conservan los tokens reversibles, mientras que los PDF y las imágenes se depuran por completo, pero sus tokens son irreversibles. El procesamiento de cadenas de texto está en disponibilidad general, pero la desidentificación de documentos con Skyflow Detect v2 sigue en preview, así que conviene medir las latencias con sus propios datos y en su región.

El tiempo de procesamiento crece con el tamaño del archivo, por lo que es mejor fijar el límite de tamaño según los documentos reales. Por último, se trata de una solución de un proveedor: Skyflow se vende a través de AWS Marketplace, aunque el código del interceptor es abierto, con licencia MIT, en el repositorio agentcore-skyflow.

El consejo práctico de los autores es sencillo: elija un escenario de agente que toque datos de clientes y llame al menos a una herramienta externa, elabore una lista de los tipos de datos que no deben salir y conecte el interceptor a su gateway. Empiece por el modo para herramientas, añada después los documentos y el modelo, y observe durante una semana las métricas de CloudWatch antes de ampliar el despliegue. Para los equipos que ya tienen varios agentes en distintos frameworks, el valor está en que la regla se instala una sola vez, en lugar de integrarse en cada agente por separado.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Por dónde se filtran exactamente los datos?

AWS describe tres escenarios. El primero: el modelo construye los argumentos de la llamada a partir de todo su contexto, incluido lo que sobra. Si le pregunta al agente por un cliente, su nombre, su número de cuenta o su correo acabarán en una consulta a un servidor de terceros, fuera de su cuenta y de su perímetro de compliance.

Cómo funciona el interceptor?

AgentCore Gateway permite conectar una función Lambda propia a cada llamada: el interceptor de solicitud ve la llamada antes de que llegue a la herramienta, y el de respuesta ve el resultado antes de que llegue al agente. Cualquiera de los dos puede revisar, reescribir o bloquear el contenido. Skyflow se instala en ambos puntos y, mediante Skyflow Detect, localiza nombres, correos, teléfonos, identificadores oficiales, números de tarjeta, fechas de nacimiento y direcciones.

¿Qué se sabe sobre Limitaciones y qué hacer?

Hay matices. Los formatos de texto y ofimática (TXT, JSON, CSV, XML, JSONL, DOCX, XLSX, PPTX) conservan los tokens reversibles, mientras que los PDF y las imágenes se depuran por completo, pero sus tokens son irreversibles. El procesamiento de cadenas de texto está en disponibilidad general, pero la desidentificación de documentos con Skyflow Detect v2 sigue en preview, así que conviene medir las latencias con sus propios datos y en su región.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…