新闻详情

新闻详情

首页 / 资讯中心 / 详情

让 AI Agent 的审计日志不可抵赖:Agent Governance Toolkit 合规落地指南

发布时间:2026/11/7 14:18:08来源:尧图网络
让 AI Agent 的审计日志不可抵赖:Agent Governance Toolkit 合规落地指南
让 AI Agent 的审计日志不可抵赖Agent Governance Toolkit 合规落地指南【免费下载链接】agent-governance-toolkitAI Agent Governance Toolkit — Policy enforcement, zero-trust identity, execution sandboxing, and reliability engineering for autonomous AI agents. Covers 10/10 OWASP Agentic Top 10.项目地址: https://gitcode.com/GitHub_Trending/ag/agent-governance-toolkit当你开始把自主 AI Agent 推向生产很快会撞上同一类合规问题审计员要一份不可抵赖的审计日志能回答这个 Agent 做了什么、是谁批准的而你自己也无法证明这份日志没被事后改过。Agent Governance Toolkit 的审计与合规能力分两块agentmesh-platform包pip install agentmesh-platform提供AuditLog内置 Merkle 树完整性校验Merkle 树把日志条目逐层哈希成树形结构改任意叶子都会变根哈希agent-governance-toolkit包pip install agent-governance-toolkit提供agtCLI把 OWASP ASI 2026 十项安全控制变成 CI 门禁。本文按被质询 → 出示证明 → 落盘 → 门禁的顺序走完这条链路。审计员的第一问这个 Agent 做了什么、谁批准的Agent 的每次工具调用、策略决策、信任握手都应留下一条带主体和结果的记录。最小入口是AuditLog.log()一次调用同时完成记录构造、前向哈希链接本条的previous_hash填上一条的entry_hash与反向索引建立不需要你再单独调上链接口。下面记录一次工具调用并立即自检整条链from agentmesh.governance.audit import AuditLog audit AuditLog() # in-memory only entry audit.log( event_typetool_invocation, agent_diddid:web:sales-assistant.example.com, actionallow, resource/crm/contacts, data{tool: crm_lookup, query: acme corp}, outcomesuccess, trace_idtrace-7f3a, ) print(entry.entry_id) # 唯一标识后续取证明用 print(entry.entry_hash) # 该条目的 SHA-256 is_valid, error audit.verify_integrity() assert is_valid, fChain broken: {error}agent_did是发起方身份DID去中心化身份标识形如did:web:...entry.entry_id是取证明用的 UUIDentry.entry_hash是该条目的 SHA-256verify_integrity()逐条重算哈希并核对previous_hash衔接任何一条对不上都会返回具体原因建议定期调用或在导出数据前先跑一遍。还有一个容易忽略的细节AuditLog.__init__只在初始化时快照一次执行环境——OPENSHELL_SANDBOX_ID/SANDBOX_ID→sandbox_id、AGT_ENVIRONMENT→environment、OPENSHELL_COMPUTE_DRIVER→compute_driver——并写入每条新条目。日志因此自带部署上下文写入时也不会反复读环境变量。架构图中Agent Complianceagent-governance-toolkit与AgentMeshagentmesh-platform是互补的两层前者统一治理策略与合规校验后者提供零信任身份与审计链审计日志正是二者的接缝。如何证明某条日志没被事后修改Merkle 树与包含性证明审计员不会只信我保证没改过。AuditLog内部维护一棵 Merkle 树Root Hash / \ H(AB) H(CD) / \ / \ H(A) H(B) H(C) H(D) ← leaf SHA-256 of entry它带来三个性质追加式写入记录无法被删除或重排改动任何一条记录root hash 必变证明某条记录存在只需 O(log n) 个兄弟哈希不用交出整个日志。容量不足时叶层翻倍、用0*64占位补齐父层自底向上增量重算追加一条的开销是 O(log n) 而非整树重建。假设你已向审计员公布了 root hash下面为某一条目生成包含性证明并独立重算root audit._chain.get_root_hash() # 向外部审计员公布 proof audit.get_proof(entry.entry_id) # proof[entry] / proof[merkle_proof] / proof[merkle_root] / proof[verified] # 外部验证者只需 root hash proof不需要完整日志 verified audit._chain.verify_proof( entry_hashentry.entry_hash, proofproof[merkle_proof], root_hashroot, )merkle_proof是一串 (hash, position) 元组验证时position right按current sibling拼接left按sibling current逐层重算直至等于 root。这套日志持有者与验证者分离的设计是审计场景的关键持有完整日志的一方无法事后偷偷改记录而不被 root 变化暴露外部审计员也不必读全部日志就能确认任意条目的存在性。 原理MerkleAuditChain.add_entry()先把上一条哈希写入 previous_hash【免费下载链接】agent-governance-toolkitAI Agent Governance Toolkit — Policy enforcement, zero-trust identity, execution sandboxing, and reliability engineering for autonomous AI agents. Covers 10/10 OWASP Agentic Top 10.项目地址: https://gitcode.com/GitHub_Trending/ag/agent-governance-toolkit创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/7 13:27:02

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/7 0:39:20

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/7 6:36:21

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/6 17:25:36

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/6 14:29:05

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/6 14:29:07

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉