
Perplexity AI відкрила вихідний код Numbat, інструменту, призначеного для моніторингу та захисту активності агентів ШІ-кодування на клієнтських кінцевих точках. Цей проєкт, представлений 29-30 липня 2026 року, був внесений до Open Secure AI Alliance, який підтримується такими організаціями, як NVIDIA AI.
Забезпечення безпеки робочих процесів ШІ
Numbat надає локальні засоби захисту під час виконання (pre-action runtime guardrails) та можливості криміналістичного аналізу після інцидентів (post-incident forensics) для робочих процесів розробників з використанням ШІ. Він функціонує як легкий шар для виявлення та реагування, що дозволяє уніфікувати моніторинг активності.
Технічні особливості та сумісність
Numbat скомпільований як єдиний статичний бінарний файл Go (без cgo), що забезпечує безперебійну роботу на платформах macOS, Linux та Windows, підтримуючи архітектури amd64 та arm64. Він діє як універсальний крос-платформний шар, нормалізуючи активність із збережених сесій розробників, живих хуків життєвого циклу та потоків журналів OTLP/HTTP в єдину схему подій. Проєкт розповсюджується за ліцензією Apache 2.0.
Захист у реальному часі
Для виявлення в реальному часі та примусового виконання перед дією, Numbat використовує локальний механізм правил Common Expression Language (CEL) разом з багатоетапною оцінкою послідовностей та власними правилами YAML. Інтегруючись безпосередньо в підсистеми хуків агентів «перед дією», він може синхронно блокувати високоризикові дії, такі як деструктивні команди оболонки або витік даних, до того, як вони спричинять шкоду. Важливо зазначити, що блокування за замовчуванням вимкнено (лише моніторинг) і вимагає явної конфігурації (enforce: true) для активації.
Криміналістичний аналіз та конфіденційність даних
Для криміналістичного аналізу після інцидентів Numbat реконструює повні часові шкали сесій з артефактів на диску, не вимагаючи попередньої інструментації системи. Він компілює портативні, доступні лише для читання пакети справ, що містять маніфести SHA-256, версійні записи подій NDJSON та автоматичне редагування секретів. Numbat працює виключно на локальній машині розробника, гарантуючи, що необроблені стенограми та кодові навантаження ніколи не передаються зовнішнім хмарним провайдерам безпеки. Вбудоване сканування артефактів лише для читання та автоматичне очищення секретів додатково запобігають випадковому витоку конфіденційних облікових даних або внутрішніх структур шляхів.
Реклама · cv-finder.com
Покажіть AI-стек у резюме без зайвого шуму
AI-асистент CV-Finder допоможе описати LLM/ML-проєкти через результати.
Що це означає для розробників
Numbat надає розробникам інструмент для локального моніторингу та захисту їхніх робочих процесів ШІ-кодування, дозволяючи запобігати ризикованим діям без передачі конфіденційних даних до хмарних сервісів. Це дає розробникам можливість контролювати безпеку своїх ШІ-агентів безпосередньо на власних машинах, забезпечуючи конфіденційність та цілісність їхніх проєктів.
Ключові факти
-
Perplexity AI відкрила вихідний код Numbat 29-30 липня 2026 року.
-
Numbat є легким шаром для виявлення та реагування, призначеним для моніторингу та захисту активності агентів ШІ-кодування на клієнтських кінцевих точках.
-
Він надає локальні засоби захисту перед виконанням та криміналістику після інцидентів для робочих процесів розробників з використанням ШІ.
-
Проєкт розповсюджується за ліцензією Apache 2.0 та був внесений до Open Secure AI Alliance.
-
Numbat скомпільований як єдиний статичний бінарний файл Go, що працює на macOS, Linux та Windows (amd64, arm64).
Додайте Voydevich.com у бажані джерела Google, щоб частіше бачити наші новини в пошуку.
Джерело
Open Source For YouJiya Jay Singh
Perplexity Open Sources Numbat To Secure Local AI Coding Agents - Open Source For You31 липня 2026
Розібратися глибше
Усі гайдиЩо таке AI-агент: повний гайд для розробників
Дізнайтеся, що таке AI-агент, як він працює, з чого складається та чим відрізняється від асистента чи чат-бота. Ознайомтеся з типами та прикладами AI-агентів.
Реклама · cv-finder.com
Покажіть AI-стек у резюме без зайвого шуму
AI-асистент CV-Finder допоможе описати LLM/ML-проєкти через результати.
Попередні статті

Модель машинного навчання T1GRS покращує генетичне прогнозування ризику діабету 1 типу
Нова модель машинного навчання T1GRS значно покращила прогнозування ризику діабету 1 типу, виявивши 160 генетичних сигналів ризику та чотири генетичні підтипи захворювання.

Goldman Sachs Asset Management запускає ШІ-платформу AlphaAI для інвестицій
Goldman Sachs Asset Management представила AlphaAI, нову інвестиційну платформу на базі штучного інтелекту, очікуючи, що ШІ стане ключовим рушієм прибутковості.

Perplexity випустила Numbat для моніторингу ризикованих AI-агентів кодування
Perplexity представила Numbat, відкритий інструмент безпеки для моніторингу AI-агентів кодування на робочих станціях. Він виявляє та блокує небезпечну поведінку, реагуючи на зростаючі ризики.
Наступні статті

Аудит коду за допомогою ШІ: GlobaLeaks виявив 29 вразливостей за $3140
Аудит платформи GlobaLeaks за допомогою ШІ виявив 29 вразливостей, 12 проблем DoS та 42 рекомендації, демонструючи, як LLM роблять перевірку коду швидшою та доступнішою.

Quantum Solutions збільшує продаж Ethereum для фінансування центрів обробки даних ШІ
Японська фірма Quantum Solutions збільшила ліміт продажу Ethereum та реалізувала частину своїх активів для фінансування бізнесу центрів обробки даних для інфраструктури ШІ.

Thomson Reuters оновила інформацію про розробку власної LLM «Thomson»
Thomson Reuters надала оновлену інформацію щодо розробки «Thomson» — власної доменно-специфічної великої мовної моделі для своїх інструментів на базі ШІ.