Anthropic представила EFS: корпоративная безопасность ИИ без компромиссов между приватностью и защитой
Enterprise-покупатели ИИ долгое время были зажаты между двумя противоречивыми требованиями: регулируемые команды настаивают на нулевом хранении данных (ZDR), чтобы ни один промпт или лог агента не оставался на серверах вендора, а security-команды требуют детекции злоупотреблений, которая исторически подразумевает хранение данных для корреляции. Anthropic заявила, что нашла выход — архитектура EFS, которая даёт и то, и другое.
В EFS данные мониторинга хранятся в облачной инфраструктуре, которую контролирует клиент, а не Anthropic. Детекция остаётся на стороне Anthropic, но custody, ключи шифрования и человеческий анализ — у клиента. Это значит, что для выявления сложных атак, распределённых по множеству сессий и аккаунтов, не нужно передавать данные вендору. Anthropic подчёркивает, что никогда не использовала enterprise-данные для обучения без явного разрешения.
EFS разрабатывалась совместно с более чем 100 клиентами из финансового сектора, здравоохранения, производства, телекома, юриспруденции, ритейла и госсектора, а также с AWS, Google Cloud и Microsoft Azure. В обсуждениях участвовали CISO Goldman Sachs, Morgan Stanley, Citi, Bank of America, Wells Fargo, а также команды Comcast, KPMG, Mastercard, Salesforce и Visa — в сумме четверть Fortune 100 и все глобально значимые банки США. EFS будет внедряться поэтапно, широкий доступ ожидается к осени, а заявки принимаются уже сейчас. До запуска подходящие клиенты могут использовать Claude Fable 5 и Fable 5.1 в режиме ZDR.
Три ключевых решения EFS: (1) хранение переносится в облако клиента — под его ключи, политики доступа и аудит; (2) при обнаружении подозрительного паттерна сигнал идёт напрямую клиенту, без участия Anthropic (человек клиента сам подтверждает угрозу и снимает ложные срабатывания); (3) автоматизированный анализ трафика на серьёзные угрозы (попытки создать кибер- или биооружие, признаки кражи учётных данных) остаётся на стороне Anthropic, но без доступа к самим данным.