Greenlight Financial 如何在 Amazon Bedrock AgentCore 上构建自主 SOC 解决方案

英文原标题：How Greenlight Financial built an autonomous SOC solution on Amazon Bedrock AgentCore

本文为英文原文的机器翻译摘要，原文见：AWS Machine Learning Blog ↗

• Greenlight Financial 在 Amazon Bedrock AgentCore 上构建了自主安全运营中心（SOC）解决方案 Luna，每月处理 3,000–4,000 个安全与风险告警，其中超过 90% 无需人工干预即可解决。
• Luna 采用分层监督者架构：Tier 1 负责高容量初步分类，编排 30 多个专用代理，常规案例的中位分类时间为个位数秒；Tier 2 使用扩展推理模型处理约 10% 需要多步推理的复杂案例，生成详细调查报告供人工审查。
• 系统通过 AgentCore runtime 托管代理代码，并利用 AgentCore memory 支持分层多代理系统，避免自行构建和运维这些能力。
• 记忆层包括 30 天滚动窗口的情景记忆和长期记忆，支持模式识别、去重和持续学习；案例学习管道通过 Lambda、DynamoDB 等将解决结果反馈回系统。
• Luna 提供三种入口：Tines SOAR 自动告警摄取、直接 API 访问和 Claude Desktop 扩展聊天界面，分别服务于不同团队和场景。

关键数据

• 每月处理 3,000–4,000 个安全与风险告警
• 超过 90% 的案例无需人工干预解决
• 人工分析师每个案例需 15–30 分钟
• Tier 1 编排超过 30 个专用代理
• Tier 2 处理约 10% 的升级案例
• 情景记忆采用 30 天滚动窗口
• 历史数据显示特定暗网来源的卡片误报率为 73%

为什么值得看：该案例展示了在受监管的金融行业中，如何利用 Amazon Bedrock AgentCore 构建可自主处理大量安全告警并持续学习的分层多代理系统，为自主安全运营提供了生产环境参考。