在 Agent 网关集中处理敏感数据
Skyflow 通过 Amazon Bedrock AgentCore Gateway 拦截器,在数据进入工具、模型或日志前进行去标识化,并为获授权调用方恢复数据。该方案无需修改 Agent 代码。
AI 深度解读
Agent 接上搜索、CRM 和文档库后,隐私风险就不只在发给模型的提示词里了。一次工具调用,可能把客户姓名带给搜索服务,也可能把整份客户记录送进模型上下文。
AWS 这篇文章提出的办法,是把 Skyflow Detect 放到 Amazon Bedrock AgentCore Gateway 的请求和响应两端,统一替换敏感信息。它值得看的地方,是把工具参数、模型输入和文档链接放进同一条数据流里治理;但脱敏能否保住任务效果、增加多少延迟,原文没有给出对照数据。
为什么只盯着模型输入还不够
原文把遗漏的数据出口分成三类。
第一类是工具参数。模型会从上下文里组织参数,但不一定知道哪些信息是工具真正需要的。调查一笔交易,只需搜索商户,模型却可能把客户姓名一起放进查询。
第二类是工具结果。网页、CRM 记录和工单备注返回后,其中的个人信息可能进入模型上下文、记忆、追踪记录和日志。任务没用到这些字段,也不代表系统没保存它们。
第三类更容易漏掉:文档工具返回的是签名 URL,而非正文。字符串过滤器只看见链接,Agent 随后打开的却可能是完整原件。检查工具返回值,并不等于检查了工具返回的文件。
作者因此主张,把控制放在所有相关调用经过的网关。AgentCore Gateway 支持用 AWS Lambda 实现拦截器:REQUEST 在调用工具前执行,RESPONSE 在结果交给 Agent 前执行,两端都能检查、改写或阻断载荷。
保护范围取决于哪些流量真正经过网关。
这一点决定了方案的边界。第三方 MCP server 要先成为网关的目标;模型调用也要进入网关的推理入口。Agent 直接访问其他服务的路径,不会因为部署了一个拦截器就自动受到保护。
三种保护模式,分别把谁挡在敏感数据之外
原文用一家欧洲银行处理交易争议的场景说明流程,但没有交代它是否来自真实客户部署,也没有提供生产测试结果,适合把它当作参考案例。
未保护时,搜索服务可能收到:
Mateo Jackson dispute AnyCompany Electronics London
搜索商户并不需要客户姓名。启用 Shield the tool 后,请求中的姓名被替换为 [NAME_AJbrIud],搜索服务看到的是令牌。响应回来后,拦截器可以恢复对应的原值,让 Agent 继续使用真实姓名。
这里的令牌化(tokenization),是把真实值换成占位标识。Skyflow Vault 保存原值,获授权的系统可以反向恢复,因此它不同于简单删除字段。
Shield the model 保护的是另一个接收方:模型。拦截器先替换提示词和对话历史里的姓名、邮箱等信息,再把模型输出中的对应令牌恢复。为避免扩大恢复范围,系统在 Amazon DynamoDB 中短暂记录每次模型调用生成了哪些令牌,只恢复该次调用产生的令牌;记录不包含原值。
这也解释了为什么「脱敏后恢复」和「防止信息进入模型」不能混为一谈。保护工具时,原值可能在返回 Agent 前恢复;要保护模型,就必须让模型调用本身也经过相应处理。
Shield the document 则处理文件链接。拦截器检查预签名 URL 的允许列表和文件大小,把符合条件的链接交给 Skyflow Detect。后者直接下载文件、生成脱敏副本,再返回副本链接。文件字节不经过 Lambda,Agent 最终拿到的也是副本入口。
文件格式会影响能否恢复:
- TXT、JSON、CSV、XML、JSONL、DOCX、XLSX、PPTX 保留可逆的 Vault 令牌。
- PDF 和图片使用单向令牌,无法从这些文件中的令牌恢复原值。
[NAME_AJbrIud]是可逆令牌的示例;[NAME_1]是不可逆的单向计数令牌。
对需要后续回填姓名、邮箱的流程,这个差别会直接影响功能设计。
集中接入省了改造,也集中了承担故障的地方
作者强调无需修改 Agent 和工具代码,但部署仍然有明确的接入工作。
团队需要订阅 Skyflow、创建 Vault,并把 API key 放进 AWS Secrets Manager。随后使用 AWS Cloud Development Kit(AWS CDK)部署开源仓库 agentcore-skyflow,创建 Lambda、策略参数、模型调用记录表,以及 Amazon CloudWatch 指标和告警。仓库采用 MIT license,也提供包含 Agent、网关和目标服务的完整参考部署,可通过 AgentCore CLI 部署。
同一个 Lambda 要同时挂到 REQUEST 和 RESPONSE。仓库脚本会授予网关角色调用指定函数的权限;使用 AWS CloudFormation 或 AWS CDK 管理网关时,应把拦截器写进基础设施声明,保证后续更新保留配置。
保护模型还需要增加 inference target,并把 Agent 的模型客户端指向网关 inference endpoint。因此,「不改代码」更准确地描述了业务逻辑改造量,并不代表客户端配置和调用路径都不变。
策略存放在 AWS Systems Manager Parameter Store,可按 server 和 tool 配置处理方向、实体类型,以及可逆或单向令牌,修改后无需重新部署。原文没有说明配置刷新所需时间。
运行时采用失败即阻断(fail closed):脱敏失败、文件来源不在允许列表内,或流量无法检查,就不放行。超出配置大小限制的文档会立即拒绝。这个选择能避免故障时明文外流,也会让隐私服务的可用性影响业务成功率。
它与现有控制的分工也比较清楚:AgentCore Policy 使用 Cedar 和 Dogwood 处理授权及相关策略;Amazon Bedrock Guardrails 提供内容安全和敏感信息遮蔽;Skyflow 增加 Vault 支持的可逆令牌化与文档脱敏。AgentCore Identity 和 AWS IAM 继续负责身份,AgentCore Observability 与 CloudWatch 记录决策和追踪信息。作者称拦截器不会记录凭据或原始敏感值。
我的判断
我赞同把工具调用当成数据流管理,尤其是把签名 URL 指向的文件纳入检查。对于多个团队共用工具的环境,集中控制通常比每个 Agent 各写一套过滤逻辑更容易保持一致。
但网关控制不能替代源头的数据最小化。搜索商户时,如果业务代码就能只传商户字段,通常更直接,也减少了识别漏检的依赖。网关适合为模型动态生成参数的路径补上一层保护。
可逆令牌也不是所有任务都适用。搜索商户时替换客户姓名,可能不影响结果;按姓名精确查 CRM,替换后就可能查不到。原文声称示例中商户搜索结果保持一致,却没有给出查询对照、任务成功率或识别准确率,不能据此推广到所有工具。
成熟度同样需要分开看:字符串脱敏与恢复已经正式可用;通过签名 URL 处理文档依赖 Skyflow Detect v2,仍处于 preview。原文没有披露具体延迟、吞吐量、成本和文件大小上限。它要求团队按自己的文档和 Region 试点验证,而 AgentCore Gateway 的可用性本身也因 AWS Region 而异。
数据驻留也不能只看 Lambda 部署在哪。Skyflow Detect 会直接读取文件,Vault 保存原值,团队仍需核对 Skyflow 的部署模型、Region 和访问授权。
这是一套值得试点的控制架构,还不是有充分对照数据支撑的通用效果保证。
能拿来做什么
- 给现有 Agent 画出一条具体的数据路径,逐项检查工具参数、返回正文和文件链接。优先选一个接触客户信息、又调用账户外工具的流程,明确哪些实体不能外发、哪些工具确实需要原值。
- 在 Node 或全栈 Agent 服务里,先检查工具参数的组装方式。能确定只需要商户名、订单号等字段时,就限制传参范围;再用
Shield the tool保护模型自由组织参数的路径,并验证查询结果是否仍然可用。 - 对 Amazon S3、Box、Google Drive 这类返回签名 URL 的工具,把允许来源、文件大小和失败后的用户提示一起设计好。用真实文件格式测试脱敏副本,并确认 PDF、图片的单向令牌不会破坏后续流程。
- 按原文建议逐步加入文档保护和模型保护,扩大范围前先观察一周 CloudWatch 指标。同时记录任务成功率、脱敏失败和处理延迟,避免只看到敏感字段被替换,却忽略 Agent 已经无法完成任务。