Conception d'agents de confiance : Transformer les graphes de connaissances en moteurs de politique sécurisés

Description

Vous avez donné à vos agents AI accès au graphe de connaissances. Maintenant, ils peuvent répondre à n'importe quelle question, ancrés dans des données réelles, sans hallucinations. Problème résolu, non ? Pas tout à fait. Que se passe-t-il lorsqu'on demande à l'agent de résumer des fichiers RH confidentiels ? Ou de tirer le salaire du PDG ? Que se passe-t-il si un agent supprime un atout critique et que vous n'avez aucune idée pourquoi ? Et comment tout cela est-il conforme au RGPD ou au CCPA ? La sécurité est la partie que la plupart des équipes négligent lorsqu'elles construisent une IA basée sur des connaissances. Et quand elles y pensent, elles se tournent vers le contrôle d'accès basé sur les rôles, ce qui se transforme lentement en un désordre d'explosion de rôles et de sur-autorisation. C'est une mauvaise combinaison avec l'IA, où le comportement est dynamique et difficile à prédire. Dans cette session, vous apprendrez comment transformer votre propre graphe en un moteur de politique que vos agents peuvent réellement trust. Nous abordons : Pourquoi les données connectées augmentent les enjeux de sécurité pour l'IA agentique Pourquoi le RBAC échoue et quoi utiliser à la place Comment appliquer votre graphe comme contexte de sécurité De véritables normes que vous pouvez utiliser aujourd'hui : MCP, A2A, OAuth2, et la nouvelle norme d'autorisation AuthZEN Invité : Alex Babeanu ( https://www.linkedin.com/in/ababeanu/ )