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

判断

Greenlight 的 SOC 与风险负责人应决定是否将 Luna 的自主性提升到所述逾 90% 之上，并接受残余人工升级和对 Amazon Bedrock AgentCore 的依赖，作为减少人工分诊的代价。

依据

在 2026 年 11 月 6 日发布于 AWS Machine Learning Blog 的文章中，Adam Maksimuk、Gaurav Begwani、Mani Teja Nissankararao 和 Venu Thangalapally 写道，Greenlight Financial 每月在最多 4,000 起安全与风险事件中，超过 90% 无需人工干预即可解决。Luna 使用 Amazon Bedrock AgentCore 运行时托管智能体代码，并使用 AgentCore memory 构建分层多智能体系统，从而避免在内部构建和运营这些能力。Luna 可在数秒内分诊暗网泄露卡告警、身份异常和金融风险事件；架构包括多层监督器、30 多个专用智能体、用于持续学习的情景记忆，并从 SOC 扩展到金融风险分诊。其机制是智能体编排加托管运行时和记忆；决策取决于 Greenlight 在超过 90% 这条线上愿意接受多少残余升级和供应商依赖。