Architecting Trusted Agents: Kennisgraphen omzetten in Veilige Beleid Engines

Je hebt je AI-agenten toegang gegeven tot de kennisgraph. Nu kunnen ze alles beantwoorden, gebaseerd op echte data, zonder hallucinaties. Probleem opgelost, toch? Niet helemaal. Wat gebeurt er als iemand de agent vraagt om vertrouwelijke HR-bestanden samen te vatten? Of het salaris van de CEO op te vragen? Wat als een agent een kritieke activa verwijdert en je geen idee hebt waarom? En hoe voldoet dit alles aan de GDPR of CCPA? Beveiliging is het onderdeel dat de meeste teams overslaan bij het bouwen van kennisgebaseerde AI. En als ze er al over nadenken, grijpen ze naar rolgebaseerde toegangscontrole, wat stilletjes verandert in een rommelige rol-explosie en over-toegankelijkheid. Dat is een slechte combinatie met AI, waar gedrag dynamisch en moeilijk te voorspellen is. In deze sessie leer je hoe je je eigen graph kunt omzetten in een beleid engine waar je agenten daadwerkelijk op kunnen vertrouwen. We behandelen: Waarom verbonden data de beveiligingsrisico's voor agentische AI verhogen Waarom RBAC faalt en wat je in plaats daarvan kunt gebruiken Hoe je je graph als beveiligingscontext kunt toepassen Echte standaarden die je vandaag kunt gebruiken: MCP, A2A, OAuth2, en de nieuwe AuthZEN autorisatie standaard Gast: Alex Babeanu ( https://www.linkedin.com/in/ababeanu/ ) #neo4j #graphdatabase #agenticai #knowledgelayer #knowledgegraph #graphrag #AIAgents