Tamnoon用Amazon Bedrock构建Tami：90 天内关键云暴露减少 90%
AWS博客介绍Tamnoon基于Amazon Bedrock的智能体云修复编排器Tami，称其在 90 天内将关键云暴露减少 90%、生产问题为零、客户群体每周节省超 1.3 万工程师小时。这些数字来自Tamnoon自身研究。
AI解读：Tami要解决的问题是云安全发现数量超过安全团队处理能力：CNAPP、云厂商和态势扫描器产生大量告警，团队无法全部分类，关键暴露因此长期未修复。
Tami的工作流程是：从CNAPP、CSPM等工具摄取发现并归一化为统一结构，补充资产和暴露上下文并排序，再由四个专职智能体分别负责调查、安全评分、修复规划与代码生成。
安全评分智能体为每项资产生成证据链，把修复分类为SAFE、RISKY或AWAITING DATA，并带有保守偏向，存疑时降级；只有被判定为安全的发现才进入修复智能体，修复步骤遵循备份、修复、验证结构并附带回滚指引。
执行安全边界上，Tami不持有云凭证，执行通过短期、租户范围的凭证代理，运行环境与规划智能体隔离；每个生成步骤配有反思步骤，代码生成需经过独立审查智能体和Amazon Bedrock Guardrails检查。
Tamnoon称结果包括：90 天内关键云暴露减少最多 90%，修复效率提升最多 100 倍（通过根因聚类），在数百万工作负载上生产问题为零，客户群体每周节省 1.3 万以上工程师小时；这些数字来自Tamnoon自己的研究和报告，AWS博客未提供独立验证。
AWS机器学习博客发布文章，介绍云安全公司Tamnoon如何基于Amazon Bedrock构建智能体云修复编排器Tami，用于自动调查并安全修复来自CNAPP和云原生工具的云安全发现。
Tamnoon在文中称，该方法在 90 天内使关键云暴露减少超过 90%，且未出现生产问题；博客同时给出修复效率最多提升 100 倍、客户群体每周节省 1.3 万以上工程师小时等数字，并注明这些结果来自Tamnoon自身研究。
Tami如何从发现到修复
Tamnoon把云修复流程描述为从发现摄取到已验证修复的完整管线：先从CNAPP、CSPM和其他安全工具摄取发现，归一化为统一schema，再用资产和暴露上下文做富化与优先级排序。
随后进入智能体层。文章称平台使用四个专职AI智能体，均运行在AWS事件驱动的无服务器架构上，每个阶段可独立扩展并安全失败。
调查智能体根据数百万真实客户云环境的训练确定上下文，经LLM-as-a-judge验证层过滤，产出只读调查步骤和完整调查计划；安全评分智能体为每项资产生成证据链，把发现分类为SAFE、RISKY或AWAITING DATA，并带有刻意保守的偏向，存疑时降级。
- 修复智能体仅在发现被安全评分智能体判定为安全后激活，推理顺序、依赖和条件后生成修复计划，每步遵循备份、修复、验证结构并包含回滚指引。
- 代码生成智能体将计划步骤转为可执行修复，但先经输入护栏筛选相关性和提示注入，每件产物都要通过自动化生成—审查循环，由独立审查智能体批准。
执行安全与数据边界
文章称Tamnoon客户零生产问题并非偶然，而是来自纵深防御安全架构：任何修复在起草前先做独立安全评估，只读调查步骤经过验证，只有修复路径可以改变环境。
AI不持有云凭证，执行通过短期、租户范围的凭证代理，运行环境与规划智能体隔离；修复还经过带完整审计轨迹的人工审批工作流。
数据方面，每次Tami工作负载通过ChatBedrockConverse调用Amazon Bedrock上的Anthropic Claude，而非第三方LLM端点；推理完全在Tamnoon自己的AWS账户内运行，Bedrock不保留或训练提示与完成内容。
防护上，Tami对每个请求和响应应用Amazon Bedrock Guardrails，在持久化或显示前屏蔽PII和类密钥内容，防止提示注入，并通过拒绝主题和内容过滤器把输出限定在安全修复范围内。
访问控制上，每个服务有专用IAM执行角色，对Bedrock的唯一权限是scoped到特定推理配置和基础模型ARN的bedrock:InvokeModel，无权管理、训练或导出模型。
多租户隔离从首次调用开始，服务间调用使用Cognito的OAuth2客户端凭证，按应用划分范围，SQS一次处理一条消息并附带租户上下文，因此单次调用只触及一个租户的数据。
结果与归因
文章给出的前后对比表显示：关键云暴露从“随告警超过人手而累积数月”变为“90 天内最多减少 90%”；修复效率从“数千条原始告警、无清晰优先级”变为“通过根因聚类最多提升 100 倍”；生产问题从“团队因风险回避自动化”变为“数百万工作负载上零生产问题”；工程师时间从“每条发现数小时、在积压中重复”变为“客户群体每周节省 1.3 万以上小时”。
文章明确说明，压缩和零问题数字来自Tamnoon的研究，模式一致但并非独立验证。
Tami已在Tamnoon客户群中分析超过 1400 万条云告警，该数字记录在Tamnoon的 2026 State of Cloud Remediation报告中。
Tamnoon的集成对象包括Wiz、CrowdStrike、Palo Alto Cortex、Upwind、SentinelOne、Orca、Cyera等CNAPP，以及AWS Security Hub和Amazon GuardDuty等云原生服务；客户可连接AWS、Azure、Google Cloud账户，并把结果输出到Slack、Jira、ServiceNow、GitHub。
对于SAFE动作可自动执行，RISKY或AWAITING DATA动作则引入Tamnoon的嵌入式云工程师处理。