Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarAWS Machine Learning Blog→ original

Skyflow no AgentCore Gateway esconde dados pessoais das ferramentas de agentes de IA

Quando um agente de IA pesquisa na web informações sobre uma disputa com um cliente de banco, o nome do cliente vai junto na consulta ao buscador de terceiros. O Skyflow se integra ao Amazon Bedrock AgentCore Gateway e troca o nome por um token reversível, como [NAME_AJbrIud]. O buscador enxerga apenas o token, e o analista vê o nome real na resposta do agente. Não é preciso alterar o código dos agentes nem das ferramentas, então compensa instalar a proteção uma única vez no gateway.

Processado por IA de AWS Machine Learning Blog; editado por Hamidun News
Skyflow no AgentCore Gateway esconde dados pessoais das ferramentas de agentes de IA
Fonte: AWS Machine Learning Blog. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalAWS Machine Learning Blog ↗
Editor-chefe
Três modosproteção da ferramenta, do modelo e do documento
Dado-chave #2Se a desidentificação falhar, a chamada é bloqueada e não segue em texto aberto
Dado-chave #3PDFs e imagens recebem apenas tokens irreversíveis

Os agentes há muito tempo deixaram de apenas responder perguntas: eles acessam buscadores, CRMs, armazenamentos em nuvem e servidores MCP. Cada uma dessas chamadas é um canal por onde dados pessoais podem vazar. A maioria das proteções corporativas olha para o que entra e sai do modelo, mas raramente dá atenção ao que o agente envia às ferramentas e recebe de volta. A AWS e a Skyflow propõem fechar essa brecha em um único ponto: o gateway Amazon Bedrock AgentCore Gateway.

Onde exatamente os dados vazam

A AWS descreve três cenários. No primeiro, o modelo monta os argumentos da chamada a partir de todo o seu contexto, inclusive o que é desnecessário. Se você perguntar ao agente sobre um cliente, o nome, o número da conta ou o e-mail dele vão parar em uma requisição a um servidor de terceiros, fora da sua conta e fora da área de compliance.

No segundo, os resultados das ferramentas, como páginas obtidas por scraping ou fichas de um CRM, ficam no contexto do modelo, na memória, nos traces e nos logs, mesmo que a tarefa não precisasse deles. No terceiro, os documentos. Armazenamentos como S3, Box e Google Drive devolvem não o texto, mas um link assinado.

O filtro que verifica strings enxerga apenas uma URL, deixa passar, e o agente abre o arquivo original.

O exemplo do artigo é o de um agente de banco que analisa uma transação de cartão contestada. Sem proteção, o buscador recebe a consulta «Mateo Jackson dispute AnyCompany Electronics London», ou seja, o nome do cliente vai para um terceiro numa pesquisa que só precisa da loja. Com o interceptor, a consulta fica «[NAME_AJbrIud] dispute AnyCompany Electronics London». Os resultados da busca chegam os mesmos, o buscador não sabe de quem se trata, e o analista continua vendo o nome real na resposta do agente.

Como funciona o interceptor

O AgentCore Gateway permite conectar uma função Lambda própria a cada chamada: o interceptor de requisição vê a chamada antes da ferramenta, e o de resposta vê o resultado antes do agente. Qualquer um dos dois pode verificar, reescrever ou bloquear o conteúdo. O Skyflow é instalado nos dois pontos e, por meio do Skyflow Detect, encontra nomes, e-mails, telefones, identificadores governamentais, números de cartão, datas de nascimento e endereços. Os originais ficam no Skyflow Vault, para que sistemas autorizados possam reverter os tokens.

São três modos. «Proteger a ferramenta»: os valores sensíveis são removidos dos argumentos e restaurados nos resultados, indicado para busca na web e APIs de terceiros. «Proteger o modelo»: prompts, histórico e resultados são desidentificados antes de o modelo lê-los, e para isso o agente direciona as chamadas ao modelo pelo endpoint de inferência do gateway. «Proteger o documento»: o link assinado é substituído por um link para uma cópia sanitizada, que o Skyflow Detect v2 gera e armazena em uma região permitida. O arquivo em si não passa pela Lambda, por isso os limites de tamanho de payload não atrapalham.

A política no nível do servidor e da ferramenta — direção, tipos de entidade, tipo de token (reversível ou de uso único) — fica no Parameter Store e pode ser alterada sem redeploy. A chave de API é guardada no Secrets Manager, e as decisões são registradas no CloudWatch sem os valores originais. Se a desidentificação não puder ser concluída, a chamada fica retida e não segue em texto aberto. Os arquivos só são obtidos de locais permitidos.

Limitações e o que fazer

Há ressalvas. Formatos de texto e de escritório (TXT, JSON, CSV, XML, JSONL, DOCX, XLSX, PPTX) preservam tokens reversíveis, enquanto PDFs e imagens são sanitizados por completo, mas os tokens neles são irreversíveis. O tratamento de strings está em disponibilidade geral, já a desidentificação de documentos no Skyflow Detect v2 ainda está em preview, então vale medir a latência com seus próprios dados e na sua região.

O tempo de processamento cresce com o tamanho do arquivo, por isso é melhor definir o limite de tamanho de acordo com os documentos reais. Por fim, trata-se de uma solução de fornecedor: o Skyflow é vendido pelo AWS Marketplace, embora o código do interceptor seja aberto, sob licença MIT, no repositório agentcore-skyflow.

O conselho prático dos autores é simples: escolha um cenário de agente que lide com dados de clientes e chame pelo menos uma ferramenta externa, liste os tipos de dados que não devem sair e conecte o interceptor ao gateway desse agente. Comece pelo modo para ferramentas, depois adicione documentos e modelo, e acompanhe as métricas do CloudWatch por uma semana antes de ampliar a adoção. Para equipes que já têm vários agentes em frameworks diferentes, o valor está em definir a regra uma única vez, em vez de embuti-la em cada agente separadamente.

História

Perguntas frequentes sobre a notícia

Onde exatamente os dados vazam?

A AWS descreve três cenários. No primeiro, o modelo monta os argumentos da chamada a partir de todo o seu contexto, inclusive o que é desnecessário. Se você perguntar ao agente sobre um cliente, o nome, o número da conta ou o e-mail dele vão parar em uma requisição a um servidor de terceiros, fora da sua conta e fora da área de compliance.

Como funciona o interceptor?

O AgentCore Gateway permite conectar uma função Lambda própria a cada chamada: o interceptor de requisição vê a chamada antes da ferramenta, e o de resposta vê o resultado antes do agente. Qualquer um dos dois pode verificar, reescrever ou bloquear o conteúdo. O Skyflow é instalado nos dois pontos e, por meio do Skyflow Detect, encontra nomes, e-mails, telefones, identificadores governamentais, números de cartão, datas de nascimento e endereços.

O que se sabe sobre Limitações e o que fazer?

Há ressalvas. Formatos de texto e de escritório (TXT, JSON, CSV, XML, JSONL, DOCX, XLSX, PPTX) preservam tokens reversíveis, enquanto PDFs e imagens são sanitizados por completo, mas os tokens neles são irreversíveis. O tratamento de strings está em disponibilidade geral, já a desidentificação de documentos no Skyflow Detect v2 ainda está em preview, então vale medir a latência com seus próprios dados e na sua região.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ 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
O que você acha?
Carregando comentários…