Tamnoon 如何用 Amazon Bedrock 构建 AI 云安全修复平台 Tami
Tamnoon 基于 Amazon Bedrock 构建了智能体式云修复编排器 Tami，可自主调查 CNAPP 等来源的安全发现并评估修复安全性，再生成带护栏和回滚指引的修复方案。该方案在 90 天内将关键云暴露减少超过 90%，且未引发任何生产问题。Tami 由调查、安全评分、修复和代码生成四类专用智能体组成，通过单一 API 按任务调用不同基础模型。
#安全/对齐
AWS Machine Learning BlogAI 评分2222 Google DeepMindAI 评分5858 Google DeepMind 与新加坡政府合作打造端侧反诈微调模型
Google DeepMind 与新加坡政府科技局（GovTech Singapore）合作，基于轻量级 Gemma 模型微调出一个隐私保护的端侧诈骗检测模型，用于识别冒充公共机构、银行和本地人物的诈骗对话。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon 并公布安全防护方案
Google DeepMind 开始广泛推送 Gemini 4 Argon，并扩大 Fairwind Program 至更多可信网络安全防御方。该模型在 12 个端到端模拟网络攻击场景中全部通过，上一代为 5 个；在 Gray Swan 间接提示注入基准上，15 次自适应攻击的成功率降至 0.7%。
推荐理由：官方披露 Gemini 4 Argon 在网络安全与生物风险上的防护设计，可了解前沿模型安全护栏的具体做法。
GitHub Blog · AI & MLAI 评分3232 GitHub 如何用 ModernBERT 分类器实现更低噪声的密钥检测
GitHub 为密钥扫描训练了专用的 ModernBERT 分类器，与旧 LLM 流水线相比，用户告警接受率提升 11.5%，推送后扫描中位执行时间降低 86%，服务成本节省超 98%。该方案采用两阶段流水线：先用正则高召回生成候选，再由微调后的 ModernBERT 结合文件路径、变量名和上下文判断是否为真实凭据，从而把占位符、测试样例和校验和等误报过滤掉。
OpenAI NewsAI 评分2222 Sophos 借助 OpenAI Daybreak 将威胁调查时间缩短 96%
Sophos 使用 OpenAI 的 Daybreak 将网络威胁调查时间缩短 96%，并自动处理 52% 的 MDR 案例，同时保留人工监督。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 推出基于 ModernBERT 的密钥检测分类器，扩展 push protection
GitHub 发布与 Microsoft Applied Sciences 联合微调的 ModernBERT 分类器，用于把 push protection 扩展到无固定格式的密钥，可在 2 毫秒内评估一批候选密钥，官方称有望让可拦截的密钥数量增加一倍以上。
推荐理由：GitHub 用九个季度的数据说明密钥泄露压力来自代码量增长，并给出把检测成本压到 2 毫秒内的新分类器思路。
Google ResearchAI 评分3131 Google 发布智能体隐私与安全报告：从上下文完整性看 Agentic 风险
Google 发布《Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle》报告，汇总 50 多位学界与业界专家在 2025 年底纽约 CAPS 研讨会的成果。
Google Research精选AI 评分6262 Google 发布基于 TEE 的新一代联邦学习系统，实现可验证的隐私保护
Google 发布新一代联邦学习系统，利用可信执行环境（TEE）为数据匿名化提供可远程验证、可审计的端到端保证，并已在 Gboard 上线英语和日语下一词预测模型。
推荐理由：Google 公布基于 TEE 的新一代联邦学习系统设计，读者可了解其如何让数据匿名化过程可被外部验证。
Google DeepMind精选AI 评分6666 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质嵌入水印
Google DeepMind 推出 SynthID Bio，将水印技术引入合成生物学，把不可感知的签名直接嵌入生物代码，使水印不仅能在数字模型上验证，也能在合成出的实体蛋白质上验证，同时保持其生物功能。
推荐理由：SynthID 水印从图像扩展到合成生物学，读者可了解 AI 生成蛋白质如何在保留功能的前提下被标记与筛查。
GitHub Blog · AI & ML精选AI 评分6262 GitHub Security Lab 发布 Fuzzing Taskflow 智能体流水线
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，智能体便会自动识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃去重并生成漏洞报告。
推荐理由：原文完整披露了自主模糊测试流水线的分层架构与覆盖率反馈机制，可迁移到其他安全自动化场景。