Değerlendirilenler
Her değerlendirme görev ve istenen etkiyle başlar: ajanın nereye erişebildiği, değişiklikleri kimin onayladığı, sınırların nasıl sınandığı ve ne olduğu. Rapor, incelenen kapsamı ve dayanak kanıtları gösterir.
SecureStamp Ajan Etik Standardı · v0
Ajanlara iş devri için açık bir standart.
SAES görevi, verilen yetkiyi, uygulanan önlemleri ve gözlemlenen davranışı açıklar. Bir modelin ahlaki karakterini değil, yetki devri düzenini değerlendirir.
Kanıtın anlamı
SAES beyan edilen tasarımı, uygulanan kontrolleri, gösterilmiş özellikleri ve gözlemlenen davranışı ayrı tutar. Her sonuç, dayandığı kanıtın türünü ve düzeyini belirtir.
Önlemler neden önemli
METR’nin Hugging Face olayı incelemesi, zor görevlerde ısrarı, atanan kapsam dışındaki girişimleri ve gözlem boşluklarını belgeliyor. SAES bu dersleri sınırlar, gözetim ve izlenebilirliği inceleyen ölçütlere dönüştürüyor.
METRİlkeler
SAES yedi ilke uygular: kapsam, meşru yetki, anlamlı insan gözetimi, orantılılık, dürüstlük ve kanıt, mahremiyet ve ölçülülük.
Kanıt düzeyleri
N1 tasarımı inceler; N2 korumaları kontrollü bir ortamda sınar; N3 gerçek hedefle entegrasyon gerektirir.
Eleme koşulları
İstisnasız yedi gereklilik: D1-01, D1-02, D2-01, D2-02, D3-01, D4-01 ve D5-01.
SAES profili
Profil, 42 gerekliliği yedi boyutta toplar. Her değerlendirme göreve uygulanan kontrolleri ve incelemeyi destekleyen kanıtları gösterir.
SAES gerekliliklerini ve belirtimini inceleyinAçık değişiklik önerileri (RFC)
Gerekçe, etkilenen gereklilikler, kanıt ve uyumluluk etkisiyle değişiklik önerin. Görüş ayrılıklarını ve eski sürümleri koruyun; üretilmiş destek topluluk uzlaşısı değildir.
RFC tartışmalarını açGerekliliğe veya sonuca itiraz
İtiraz, gerekliliği veya değerlendirmeyi, tartışmalı iddiayı ve incelenecek kanıtı belirtmelidir. İtiraz kararı otomatik değiştirmez; inceleme ve sonuç izlenebilir kalmalıdır.
Issue açAlternatif değerlendiriciler
RFC süreci alternatif değerlendirici önerilerine açıktır. Öneriler yöntemleri, kanıtın kaynağını ve tekrarlanabilirliğini, çıkar çatışmalarını ve sınırları açıklar.
Değerlendirme senaryoları
SAES, çalışmalar arası bulaşma, açığa çıkan kimlik bilgileri ve türetilmiş çalıştırma gibi riskleri kapsar. Her senaryo sınırı, düzeltmeyi ve meşru görevin sürmesini inceler.
İki kullanıcı, aynı kanıt
Geliştirme ekibi SAES'i bir değişikliği teslim etmek için, güvenlik ekibi ise neyi onaylayabileceğine karar vermek için kullanır. İkisi de aynı olguları görür ve farklı sorulara yanıt verir.
Değişiklikten sonra ne çalışır
Bir workflow, bağımlılık, betik ya da ajan talimatı farklı izinlerle sonraki bir çalıştırmayı hazırlayabilir. SAES daha sonra neyin, ne zaman ve hangi beyan edilmiş izinlerle çalışacağını gösterir; gözlem dışındaki yolları da işaretler.
SecureStamp olmadan doğrulanabilen kanıt
Her inceleme, OpenSSL dâhil çevrimdışı doğrulanabilen bir paket olarak dışa aktarılır. Paket; dosya bütünlüğünü, imzaları ve gözlem kapsamını kontrol etmeyi sağlar.
Açık yöntem, ortak ölçütler
SecureStamp SAES’i sürdürür ve değerlendirme sunar. Plan ne olursa olsun her sonuç aynı gereklilik ve kanıtlara dayanır; rapor sonucun dayanağını gösterir.