Anthropic ra mắt Enterprise Frontier Safeguards: Bảo mật tối đa với cơ chế lưu trữ dữ liệu riêng

Các khách hàng doanh nghiệp sử dụng AI đang bị mắc kẹt giữa hai nhu cầu thiết yếu. Các nhóm làm việc trong môi trường được kiểm soát chặt chẽ cần cam kết không lưu trữ dữ liệu (ZDR), để đảm bảo không có câu lệnh (prompt) hay bản ghi của tác nhân (agent transcript) nào nằm lại trên máy chủ của nhà cung cấp. Trong khi đó, các đội ngũ bảo mật lại cần tính năng phát hiện hành vi lạm dụng, vốn từ trước đến nay đòi hỏi nhà cung cấp phải lưu giữ chính dữ liệu đó đủ lâu để thực hiện đối soát.

Tuần này, Anthropic đã công bố Enterprise Frontier Safeguards (EFS), một kiến trúc cố gắng giải quyết cả hai nhu cầu trên. EFS lưu trữ dữ liệu giám sát trong cơ sở hạ tầng đám mây do khách hàng kiểm soát, thay vì của Anthropic. Việc phát hiện vẫn do Anthropic thực hiện, nhưng quyền lưu giữ, khóa bảo mật và quyền đánh giá của con người vẫn thuộc về khách hàng.

Liệu công nghệ này đã có thể triển khai ngay hôm nay? Câu trả lời là chưa. EFS sẽ được triển khai theo từng giai đoạn với mục tiêu cung cấp rộng rãi vào cuối mùa thu này, và quyền truy cập hiện dựa trên yêu cầu. Cho đến khi chính thức ra mắt, các khách hàng đủ điều kiện có thể chạy Claude Fable 5 và Fable 5.1 dưới chế độ ZDR.

Vấn đề kỹ thuật mà EFS đang giải quyết

Lý do mà Anthropic đưa ra cho việc lưu trữ dữ liệu là để đảm bảo chất lượng phát hiện, không phải để huấn luyện mô hình. Công ty đã áp dụng chính sách lưu trữ dữ liệu 30 ngày kể từ phiên bản Fable 5 và khẳng định rõ ràng rằng họ chưa bao giờ huấn luyện trên dữ liệu doanh nghiệp nếu không có sự cho phép rõ ràng.

Lập luận về việc lưu giữ dữ liệu khá hẹp và cần được nhắc lại. Những hành vi lạm dụng tinh vi nhất mà Anthropic quan sát được thường lan rộng qua nhiều tác vụ, phiên làm việc và tài khoản, bao gồm cả các trường hợp liên quan đến thông tin xác thực doanh nghiệp bị đánh cắp hoặc chiếm đoạt. Việc chạy trình phân loại tự động trên từng tương tác rồi xóa ngay lập tức không thể phát hiện được kiểu tấn công này. Việc đối soát cần một khoảng thời gian nhất định. Anthropic đã ghi lại mô hình này trong chính công việc ngăn chặn gián điệp của mình.

Các khách hàng trong lĩnh vực được kiểm soát hiểu rõ logic bảo mật này nhưng vẫn không thể chấp nhận nó. Vì vậy, Anthropic đã thay đổi "khoảng thời gian" đó thay vì loại bỏ hoàn toàn.

Những thay đổi thực sự của EFS

Anthropic đã xây dựng EFS cùng với hơn 100 khách hàng trong các lĩnh vực dịch vụ tài chính, y tế, sản xuất, viễn thông, luật, bán lẻ và khu vực công, phối hợp với AWS, Google Cloud và Microsoft Azure. Các đơn vị đóng góp bao gồm Analysis and Resilience Center for Systemic Risk, với các thành viên là những CISO tại Goldman Sachs, Morgan Stanley, Citi, Bank of America và Wells Fargo, cùng các đội ngũ tại Comcast, KPMG, Mastercard, Salesforce và Visa. Anthropic cho biết các cuộc thảo luận thiết kế đã bao phủ một phần tư số công ty trong danh sách Fortune 100 và tất cả các ngân hàng quan trọng mang tính hệ thống toàn cầu của Mỹ.

Ba quyết định thiết kế đã được đưa ra từ quá trình đó:

Vị trí của EFS trong lộ trình phát triển mô hình

EFS là một trong ba sự nhượng bộ dành cho doanh nghiệp được phát hành cùng với Claude Fable 5.1 và Mythos 5.1. Hai yếu tố còn lại là giá cả và độ chính xác. Fable 5.1 đã cắt giảm 75% chi phí đọc bộ nhớ đệm xuống còn 0,25 USD cho mỗi triệu token, giúp giảm khoảng 25% chi phí cho các khối lượng công việc thông thường và lên tới khoảng 45% cho các tác vụ có tính tác nhân (agentic) cao. Các biện pháp bảo vệ an ninh mạng của phiên bản này hiện tạo ra ít hơn khoảng 60% sự can thiệp trên mỗi phiên Claude Code so với Fable 5, một phần vì Fable 5.1 được phép xác định các lỗ hổng phần mềm mà không cần phát triển các mã khai thác cho chúng.

Những điểm chính cần lưu ý

Xem chi tiết kỹ thuật tại đây. Ngoài ra, hãy theo dõi chúng tôi trên Twitter và đừng quên tham gia SubReddit 150k+ ML của chúng tôi cũng như đăng ký nhận Bản tin (Newsletter). Khoan đã! Bạn có dùng Telegram không? Bây giờ bạn cũng có thể tham gia cùng chúng tôi trên Telegram.

Bạn cần hợp tác với chúng tôi để quảng bá GitHub Repo, trang Hugging Face, sản phẩm mới hoặc hội thảo trực tuyến (webinar), v.v.? Hãy kết nối với chúng tôi.

Michal Sutter là một chuyên gia khoa học dữ liệu với bằng Thạc sĩ Khoa học Dữ liệu từ Đại học Padova. Với nền tảng vững chắc về phân tích thống kê, học máy và kỹ thuật dữ liệu, Michal xuất sắc trong việc chuyển đổi các tập dữ liệu phức tạp thành những thông tin chi tiết có thể áp dụng vào thực tiễn.