← 返回全部情报
Greenlight × AgentCore:家庭金融自主 SOC,Luna 月处理 3000–4000 案、自主结案超 90% 的封面

·AWS·客户故事收录 2026-11-08

Greenlight × AgentCore:家庭金融自主 SOC,Luna 月处理 3000–4000 案、自主结案超 90%

金融AgentCore自主 SOC多 agent安全运营家庭金融暗网

一句话结论

家庭金融公司 Greenlight 用 Amazon Bedrock AgentCore 搭出 Luna:月处理 3000–4000 件安全与风险案,Tier1+Tier2+learnings 自主结案超过 90%,例行分诊从人工 15–30 分钟压到秒级,估省人工约 900–1800 小时/月。

打开原文 AWS:How Greenlight Financial built an autonomous SOC on AgentCore

背景与理念

家庭金融要同时扛监管与海量告警,人工按案翻系统扛不住每月数千件。Greenlight 给家庭提供借记卡、储蓄与连接设备,SOC 每月从暗网盗卡、身份异常、基础设施与金融风险四条线收到约 3000–4000 条告警;单张暗网盗卡就要核对卡状态、去重、会话与工单,人工约 15–30 分钟。

具体做法

  1. Luna 做成分层多 agent:Tier1 分诊、Tier2 深挖,并挂上 30 多个专化 agent。专化域覆盖身份、端点、可观测、资产、支付、客服、威胁情报与 SOAR 等。
  2. 运行时落在 AgentCore Runtime(VPC 内 ZIP/S3 部署)+ AgentCore Memory。入口含 API/MCP、Tines SOAR 自动灌案,以及给工程师的对话式调查。
  3. 暗网盗卡链路串联 Galileo、DynamoDB、Mixpanel、Zendesk 等做核验、去重与交叉引用。设计原则是先 triage、后动作:先证据与建议,再由人或已批准策略执行处置。

关键数据/例子

仅 Tier1 时自主结案约 83%,加上 Tier2 与 case-learnings 后超过 90%;例行分诊中位耗时为秒级。某暗网来源假阳性约 73%,记忆层会优先去重;按 4000 案×15–30 分钟估算,自主结案超九成可避免约 900–1800 小时/月的例行人工。

创新点

第一,把 SOC 的 L1/L2 编制直接映射成 Tier1/Tier2 supervisor,方便安全团队建立信任。第二,用 episodic/long-term memory 与结案回灌把准确率从 83% 推过 90%;第三,同一套专化 agent 可横向扩到金融风险分诊,而不是另起炉灶。

可否复用

  1. 监管场景先做「分诊与建议」,把自动处置放在明确策略批准之后。
  2. 用组织熟悉的分级结构搭多 agent,再补记忆与结案回灌,而不是一上来追求全自动闭环。
  3. 跨域复用同一批专化 agent(客服、会话、可观测),只加领域专用连接器。

笔记会在输入时自动保存。