तीन इंजन

Agent Guard — प्रमुख

AI एजेंट, कोपायलट, बॉट, सेवा खातें और ऐप रजिस्ट्रेशन चुपचाप व्यापक पहुंच जमा करते हैं, और वे लूप में एक मानव के बिना कार्य करते हैं। Agent Guard हर गैर-मानव पहचान की इन्वेंटरी करता है, विस्फोट त्रिज्या × कार्य इतिहास से इसके जोखिम को स्कोर करता है, और दो प्रश्नों का उत्तर देता है जो महत्वपूर्ण हैं: यह क्या एक्सेस कर सकता है, और इसने क्या किया है?

हर एजेंट एक संपादन योग्य पहुंच नीति ले जाता है; इसे सहेजने से एजेंट की गतिविधि को नई सीमाओं के विरुद्ध पुनः मूल्यांकन करता है और पूर्वावलोकन करता है कि क्या अवरुद्ध किया गया होता। AI एजेंटों को पूरे उत्पाद में दृष्टिगत रूप से विशिष्ट रूप से प्रस्तुत किया जाता है ताकि वे कभी भी मानव उपयोगकर्ताओं के बीच न छिपें।

व्याख्या: हर एजेंट निर्णय, सादी भाषा में, बताता है कि एक कार्य क्यों अनुमति दी गई, ध्वज दिया गया या अवरुद्ध किया गया था — सबूत और एक उपचार चरण के साथ।

Posture Guard

छह श्रेणियों में एक शुद्ध 16-नियम इंजन — सार्वजनिक जोखिम, बाहरी पहुंच, अत्यधिक-अनुमति, बासी पहुंच, AI-एजेंट जोखिम और गलत कॉन्फ़िगरेशन — जहां डेटा अत्यधिक-उजागर या गलत तरीके से साझा किया जाता है। गंभीरता डेटा पर बढ़ती है: एक संवेदनशील फ़ाइल के लिए एक सार्वजनिक लिंक CRITICAL है, HIGH नहीं।

निष्कर्षों को विस्फोट त्रिज्या (संवेदनशीलता × चौड़ाई × पहुंच स्तर) द्वारा प्राथमिकता दी जाती है, केवल गंभीरता के आधार पर नहीं, इसलिए सबसे पहुंचने योग्य, सबसे संवेदनशील जोखिम शीर्ष पर बढ़ता है। एक 0–100 posture स्कोर एक A–F ग्रेड के साथ संगठन को सारांशित करता है।

स्कैन इतिहास और एक क्रॉस-स्कैन अंतर प्रत्येक खोज को NEW, RECURRING या auto-RESOLVED के रूप में वर्गीकृत करते हैं, इसलिए आप देख सकते हैं कि स्कैन के बीच स्रोत पर वास्तव में क्या बदल गया।

Flow Guard

Flow Guard संदर्भीय डेटा-हानि निवारण है। यह सामान्य डेटा आंदोलन का एक प्रति-संगठन आधारभूत सीखता है — ज्ञात गंतव्य और सामान्य मात्रा — फिर सामान्य नियम सूची के विरुद्ध नहीं बल्कि उस आधारभूत के विरुद्ध विसंगतियों को ध्वज देता है।

हर डेटा आंदोलन एक सादी-भाषा तर्क के साथ एक निर्णय बन जाता है। पैटर्न से बाहर निकालना, थोक निर्यात और नए बाहरी गंतव्य संदर्भीय विसंगतियों के रूप में सतह करते हैं।

क्या वास्तविक है, और क्या नकल है

इंजन स्वयं — नियम, स्कोरिंग, क्रॉस-स्कैन अंतर, निर्णय विलय और व्याख्या — वास्तविक, शुद्ध और यूनिट-परीक्षित हैं। आज वे प्रति कनेक्टर यथार्थवादी मॉक डेटासेट पर चलते हैं; लाइव डेटा फीड वास्तविक क्रेडेंशियल कनेक्ट करने के बाद प्रति स्रोत सक्रिय करता है। निष्कर्ष और रिपोर्ट हमेशा अपने डेटा मोड को लेबल करते हैं।

जांच कवरेज — देखना, समझाना, स्कोर करना — अब लाइव है। निवारक प्रवर्तन (विक्रेता पर कार्य करना) एक अलग, ऑप्ट-इन चरण है जो सक्रिय रोकथाम के तहत कवर किया जाता है।