AgentLayer é uma plataforma inovadora que aumenta a segurança e a funcionalidade de aplicações financeiras por meio de inteligência artificial avançada e integração de blockchain. Fundamentalmente, o AgentOS da plataforma permite o gerenciamento seguro de dados, a colaboração entre vários agentes e a comunicação contínua, garantindo que as operações financeiras sejam eficientes e seguras.
Com recursos como criptografia de dados, controle de acesso e detecção proativa de vulnerabilidades, o AgentLayer atende às necessidades das finanças modernas, ao mesmo tempo que protege informações confidenciais. BeInCrypto se reuniu com a equipe AgentLayer para falar sobre como sua plataforma está lidando com problemas reais de tecnologia financeira usando inteligência artificial e blockchain. Não há disparates – apenas uma análise minuciosa do que funciona, do que não funciona e do rumo que a indústria está a tomar.
Você pode detalhar como o sistema operacional principal, AgentOS, melhora a segurança e a funcionalidade dos aplicativos financeiros? Que características ou métodos especiais utiliza para manter as operações financeiras seguras e eficientes?
AgentOS ajuda a tornar as aplicações financeiras seguras e eficientes. Ele protege dados confidenciais criptografando-os durante a transmissão e o armazenamento, garantindo que informações críticas, como histórico de transações, status do razão e contratos inteligentes, permaneçam seguras.
AgentOS usa tecnologia blockchain para descentralizar e proteger dados, garantindo que ninguém possa alterá-los ou adulterá-los. O sistema também controla quem pode acessar e modificar dados por meio de gerenciamento otimizado de permissões. Isto garante que apenas agentes autorizados possam fazer alterações, melhorando a segurança geral.
O AgentOS gerencia a rede regulando os nós (pontos de conexão) que operam dentro dela. Esses nós são registrados no blockchain e os operadores devem bloquear um depósito para cada instância de sua propriedade. Se um nó se comporta de forma maliciosa, um mecanismo à prova de fraude penaliza o invasor, ajudando a preservar a integridade da rede. A equipe de desenvolvimento também usa ferramentas como verificação formal e varredura de código estático para detectar e corrigir proativamente vulnerabilidades no código do sistema.
Em termos de recursos, o AgentOS oferece suporte à colaboração multiagente por meio do protocolo AgentLink. Isto permite que diferentes agentes comuniquem, colaborem e partilhem incentivos, melhorando a tomada de decisões e a eficiência nas aplicações financeiras. O sistema também se integra à tecnologia blockchain, aproveitando sua natureza descentralizada e transparente para aumentar
Quando os desenvolvedores criam um agente, eles podem escolher entre uma variedade de modelos, incluindo o modelo proprietário TrustLLM, que é baseado na abordagem Mixture of Experts (MoE). Este modelo ajuda a melhorar o desempenho, a segurança e os recursos de geração multimodo, tornando-o ideal para aplicações financeiras. O AgentOS também facilita o registro e o gerenciamento de serviços, permitindo que os desenvolvedores implantem agentes com base em suas necessidades de negócios e os registrem no blockchain com permissões específicas.
O protocolo de roteamento do sistema garante que todos os agentes possam operar juntos de maneira eficaz, permitindo que se comuniquem e colaborem para concluir tarefas complexas. Isso melhora o desempenho geral e a flexibilidade das aplicações financeiras.
Como os protocolos AgentLink ajudam os agentes de IA a comunicar e gerenciar transações com segurança? Que medidas de segurança específicas você adota para manter essas interações seguras e privadas?
Os protocolos AgentLink garantem comunicações e transações seguras entre agentes de IA, usando vários mecanismos importantes.
AgentLink define como as informações são organizadas e compartilhadas na rede. Essa estrutura garante uma transmissão eficiente de dados, mesmo com largura de banda limitada, reduzindo erros ou interrupções. Ao simplificar e tornar as mensagens mais previsíveis, o AgentLink melhora a confiabilidade da comunicação entre agentes de IA.
Para organizar essas interações, o AgentLink fornece uma estrutura estruturada na camada AgentNetwork. Esta estrutura define protocolos de comunicação claros que determinam como os agentes compartilham conhecimento, trocam informações, enviam comandos e recuperam resultados. Essa abordagem estruturada não apenas simplifica a comunicação, mas também melhora a segurança, minimizando o risco de erros de comunicação ou de acesso não autorizado. Os agentes sempre sabem para onde e como enviar tipos específicos de informações, reduzindo vulnerabilidades.
O AgentLink também incorpora troca assíncrona de dados por meio de uma fila de mensagens compartilhada. Essa fila atua como um buffer, permitindo que os agentes enviem e recebam mensagens sem a necessidade de processamento imediato. Esta configuração oferece benefícios de segurança significativos: se um agente enfrentar problemas ou for atacado, isso não afetará imediatamente os outros. Além disso, processa mensagens de forma controlada, reduzindo o risco de sobrecarga do sistema e prevenindo vulnerabilidades.
Para proteger ainda mais a comunicação, o AgentLink formata e roteia as mensagens corretamente. A formatação padronizada ajuda a detectar e filtrar mensagens maliciosas ou erradas, enquanto um sistema de roteamento claro garante que as mensagens cheguem aos destinatários corretos sem espionagem ou direcionamento incorreto por partes não autorizadas.
Middleware, como a fila de mensagens compartilhadas, adiciona uma camada adicional de confiabilidade. Atua como uma área segura de armazenamento de mensagens, protegendo-as contra perda ou corrupção de dados durante a transmissão. Controles de acesso rigorosos e criptografia melhoram a segurança na fila, garantindo que apenas agentes autorizados acessem e mantenham as mensagens confidenciais.
Finalmente, separar os processos de comunicação do processamento em tempo real ajuda a proteger contra ataques destinados ao tratamento imediato de mensagens. Se ocorrer um ataque, a fila armazena mensagens até que o problema seja resolvido.
Você poderia fornecer um exemplo real em que os agentes de IA podem detectar e prevenir com sucesso uma violação de segurança?
Um ótimo exemplo é o agente AGIS, que se mostrou incrivelmente eficaz na identificação e prevenção de violações de segurança, especialmente no mundo do blockchain. AGIS é uma ferramenta alimentada por IA que monitora contratos inteligentes, verificando o código em busca de vulnerabilidades potenciais. Surpreendentemente, só ele identificou 21 vulnerabilidades antes da sua implantação completa, demonstrando o seu poder e eficácia.
AGIS usa modelos avançados de IA, como seu proprietário TrustLLM, que são construídos especificamente para se aprofundar no código de contrato inteligente. Esses modelos examinam o código em busca de sinais de problemas, como falhas de segurança ou erros lógicos. O AGIS segue um processo detalhado onde verifica e valida continuamente esses possíveis problemas, reduzindo as chances de alarmes falsos e garantindo a detecção até mesmo dos problemas mais complicados. Durante uma competição recente, a AGIS não só descobriu estas vulnerabilidades, como também ganhou um prémio significativo, destacando as suas capacidades de classe mundial.
Assim que o sistema detecta uma ameaça, o AGIS adota uma abordagem colaborativa para controle. Ele permite que os usuários criem tarefas e definam parâmetros, como recompensas e prazos, para atrair revisores que possam trazer diferentes perspectivas. Esses revisores então discutem e chegam a um acordo sobre as questões, garantindo uma revisão completa. Para manter todos honestos, o AGIS usa um sistema de staking com seu próprio token, $AGIS. Os revisores devem apostar esses tokens para participar, o que significa que eles têm interesse no jogo. Se errarem, correm o risco de perder o que está em jogo, o que incentiva um trabalho cuidadoso e cuidadoso.
A AGIS também monitoriza a reputação dos seus revisores e validadores, recompensando aqueles que fazem um bom trabalho e penalizando aqueles que não o fazem. Em caso de desacordo sobre os resultados, a AGIS dispõe de um processo de resolução de litígios que, se necessário, poderá também envolver um árbitro terceiro.
No geral, o AGIS atua como um “gatekeeper inteligente” altamente confiável para a segurança do blockchain, aprendendo e melhorando continuamente para ficar à frente de possíveis ameaças. Ele está disponível na testnet AgentLayer, onde colabora com outros agentes de IA para ampliar os limites do que é possível na segurança Web3. Olhando para o futuro, a AGIS continuará a refinar as suas capacidades de auditoria e a expandir as suas capacidades.
Como os grandes modelos de linguagem (LLMs) ajudam a detectar fraudes e melhorar a segurança no sistema AgentLayer? Você pode fornecer exemplos de onde os LLMs foram particularmente eficazes?
Grandes modelos de linguagem desempenham um papel significativo no fortalecimento da segurança e na detecção de fraudes no ecossistema AgentLayer, analisando profundamente o código e monitorando as interações.
Uma das principais maneiras pelas quais os LLMs ajudam é conduzindo auditorias detalhadas de contratos inteligentes. Ferramentas como AGIS, que faz parte do AgentLayer, usam LLMs avançados como GPT-4, Llama 3 e TrustLLM para verificar o código em busca de falhas de segurança, erros lógicos e ineficiências. Esses modelos são excelentes na identificação de vulnerabilidades que os fraudadores poderiam explorar. Eles podem até detectar problemas complexos e ocultos que podem escapar dos revisores humanos, tornando os contratos inteligentes muito mais seguros.
Os LLMs também são cruciais para compreender o contexto e revisar o conteúdo em tempo real. Por exemplo, quando os chatbots interagem com os usuários, os LLMs podem distinguir entre solicitações legítimas e solicitações potencialmente maliciosas. Se alguém tentar manipular um chatbot para revelar informações confidenciais, o LLM poderá detectar intenções maliciosas e responder de acordo, evitando uma violação de segurança. Esse monitoramento em tempo real ajuda a garantir que os chatbots forneçam apenas respostas seguras e adequadas, protegendo ainda mais as informações confidenciais.
Quando se trata de integração de chatbots com sistemas backend, os LLMs ajudam a tomar decisões de controle de acesso mais inteligentes. Eles podem avaliar se uma solicitação de dados confidenciais é legítima com base em regras predefinidas, evitando o acesso não autorizado. Mesmo que alguém tente explorar uma vulnerabilidade, a integração segura gerenciada pelos LLMs garante que os dados críticos de back-end permaneçam protegidos.
Os LLMs também desempenham um papel na verificação de fontes de dados externas. Eles podem analisar o conteúdo e as fontes de dados externos ao sistema para determinar se eles são confiáveis. O LLM pode impedir a entrada de dados arriscados ou não confiáveis no sistema, reduzindo a chance de serem comprometidos.
Em termos de aplicações do mundo real, os LLMs provaram sua eficácia em competições de auditoria de contratos inteligentes de alto nível. Por exemplo, o AGIS, equipado com LLM, identificou apenas 21 vulnerabilidades potenciais. Esta detecção precoce ajuda a prevenir fraudes, como acesso não autorizado a contratos inteligentes ou manipulação de termos contratuais.
Quais estratégias e tecnologias o AgentLayer emprega para proteger a privacidade dos dados, especialmente quando se trata de informações financeiras confidenciais? Você pode discutir a abordagem da plataforma para cumprir os regulamentos de proteção de dados e quaisquer padrões de criptografia usados?
AgentLayer utiliza uma variedade de estratégias e tecnologias para garantir a privacidade dos dados, especialmente ao lidar com informações financeiras confidenciais.
Para começar, a plataforma integra ferramentas avançadas de validação de entrada e manutenção em seus chatbots. Essas ferramentas identificam e bloqueiam quaisquer solicitações maliciosas que possam ter como alvo seus dados financeiros. Por exemplo, se alguém inserir algo suspeito, como palavras-chave associadas a fraude, o sistema poderá detectá-lo e impedir que seja processado.
AgentLayer também toma medidas adicionais para proteger como seus chatbots interagem com sistemas backend. Utiliza controles de acesso rígidos, o que significa que os chatbots só podem acessar as informações necessárias para suas tarefas. Por exemplo, um chatbot pode ver apenas dados agregados em vez de transações individuais. Ao adquirir dados de fontes externas, o sistema verifica cuidadosamente a reputação da fonte, os certificados de segurança e o conteúdo para garantir que estão seguros. Isso ajuda a impedir a entrada de dados maliciosos.
A plataforma também utiliza mecanismos avançados de compreensão de contexto e revisão de conteúdo. Isso ajuda os chatbots a distinguir entre solicitações financeiras legítimas e aquelas que podem ser maliciosas. Se um chatbot estiver prestes a responder com informações financeiras confidenciais, o sistema analisa a resposta em tempo real para garantir que não exponha detalhes críticos.
Quando se trata de conformidade com regulamentos de proteção de dados como o GDPR, o AgentLayer leva isso muito a sério. A plataforma provavelmente possui uma equipe ou processo dedicado a garantir que suas práticas atendam a todos os requisitos legais necessários. Auditorias e revisões regulares mantêm tudo em conformidade com os regulamentos. Os usuários também têm controle sobre suas configurações de privacidade de dados, incluindo a capacidade de cancelar determinadas atividades de coleta de dados ou solicitar que seus dados sejam excluídos.
Como os agentes de IA na plataforma AgentLayer usam análises preditivas para identificar e reduzir riscos financeiros? Que tipos de dados e métodos de análise utilizam para prever e abordar estes riscos?
Os agentes de IA na plataforma AgentLayer usam análises preditivas para identificar e gerenciar riscos financeiros potenciais de algumas maneiras importantes. Eles começam realizando auditorias detalhadas de contratos inteligentes. Por exemplo, o AGIS, um dos agentes de IA, examina cuidadosamente o código em busca de vulnerabilidades, como falhas de segurança ou erros lógicos, que possam levar a problemas financeiros. Ao identificar precocemente estes problemas, a plataforma ajuda a garantir a integridade das transações financeiras.
Outra forma pela qual a plataforma coleta dados úteis é por meio de chatbots, que interagem com os usuários. Esses chatbots podem coletar preocupações ou dúvidas relacionadas a transações financeiras, e essas informações são analisadas para identificar riscos emergentes. O sistema também pode detectar instruções potencialmente maliciosas durante essas interações, o que ajuda a prevenir fraudes antes que elas ocorram.
O AgentLayer não para por aí: ele também utiliza fontes de dados externas, como dados do mercado financeiro e tendências do setor. Isto ajuda a plataforma a compreender o contexto mais amplo em que as transações ocorrem, dando-lhe uma melhor oportunidade de prever riscos.
Do ponto de vista técnico, a plataforma utiliza modelos de linguagem avançados como GPT-4 e TrustLLM para analisar os dados coletados. Estes modelos podem identificar padrões ou anomalias que possam indicar riscos financeiros. Por exemplo, se uma conversa do chatbot incluir sinais de confusão ou preocupação, o sistema pode sinalizar isso como um problema potencial.
A plataforma também é ótima para entender o contexto dessas interações. Consegue distinguir entre solicitações financeiras legítimas e solicitações suspeitas. Ao monitorar e revisar continuamente os resultados do chatbot em tempo real, você pode identificar e abordar riscos potenciais antes que eles aumentem.
Quando se trata de prever riscos específicos, os agentes de IA utilizam modelos sofisticados para atribuir pontuações de risco a diferentes cenários. Ao analisar dados anteriores, podem prever a probabilidade de certos riscos, como a possibilidade de exploração de um contrato inteligente. Isto permite que a plataforma tome medidas proativas, como alertar os utilizadores, reforçar a segurança ou alterar as configurações do contrato para minimizar a exposição.
Quando um risco é detectado, a plataforma pode agir imediatamente. Isto pode incluir o envio de alertas às partes afetadas ou o reforço das medidas de segurança, tais como controlos de acesso mais rigorosos ou maior encriptação. A plataforma também suporta auditoria colaborativa, onde auditores especializados podem trabalhar em conjunto para rever e resolver riscos potenciais.
Por fim, o AgentLayer monitora constantemente a eficácia dessas medidas e usa o feedback para melhorar sua análise preditiva. Ao aprender com experiências passadas, os agentes de IA melhoram a identificação e o gerenciamento de riscos futuros.
Como os protocolos AgentLink ajudam os agentes de IA a trabalhar juntos de forma segura e eficiente ao gerenciar dados financeiros? Quais são as principais medidas de segurança em vigor para evitar violações de dados e garantir uma gestão tranquila dos dados?
Os protocolos AgentLink garantem que vários agentes de IA possam trabalhar juntos de forma eficiente e segura, especialmente ao lidar com dados financeiros confidenciais. Eles definem como as informações e mensagens são formatadas e transmitidas pela rede, otimizando o processo mesmo em condições de largura de banda limitada. Isso reduz a probabilidade de erros ou interrupções que possam comprometer seus dados financeiros.
A plataforma fornece uma estrutura estruturada de interação, facilitando aos agentes o compartilhamento de conhecimento, a troca de informações, o envio de comandos e a recuperação de resultados. Este processo de comunicação bem organizado ajuda a minimizar o risco de falhas de comunicação ou acesso não autorizado, pois os agentes sabem exatamente para onde e como enviar tipos específicos de informações.
O AgentLink também utiliza troca de dados assíncrona, com uma fila de mensagens compartilhada que permite aos agentes enviar e receber mensagens sem a necessidade de processamento imediato. Isto é especialmente benéfico ao gerenciar dados financeiros, pois garante que se um agente encontrar um problema ou for atacado, isso não afetará os outros. A fila de mensagens também controla o fluxo de informações, evitando sobrecarga do sistema e reduzindo riscos de segurança.
Além disso, separar o processo de comunicação do processamento imediato ajuda a proteger contra ataques em tempo real. Se um invasor tentar interromper o processamento de mensagens financeiras, a fila ainda poderá reter e armazenar essas mensagens até que o problema seja resolvido. Essa separação permite verificações de segurança mais profundas nas mensagens, melhorando a segurança geral quando os agentes lidam com dados financeiros.
Você pode explicar as etapas necessárias para treinar um agente de IA na plataforma AgentLayer para tarefas financeiras específicas? Quais são as principais etapas, desde a coleta de dados até o ajuste do modelo, e como o desempenho do agente é medido?
Treinar um agente de IA na plataforma AgentLayer para lidar com tarefas financeiras específicas envolve várias etapas importantes. Começa com a ingestão de dados, onde o agente acessa vários tipos de dados. Por exemplo, pode analisar auditorias de contratos inteligentes para detectar vulnerabilidades e riscos potenciais, procurando falhas de segurança, erros lógicos e ineficiências que possam impactar as transações financeiras.
As interações do chatbot são outra fonte valiosa de dados. Quando os chatbots interagem com os usuários, eles coletam dados sobre dúvidas e preocupações financeiras, fornecendo insights sobre problemas comuns e necessidades dos usuários. Além disso, o agente pode integrar fontes de dados externas, tais como dados do mercado financeiro, indicadores económicos e tendências do setor, para compreender melhor o contexto mais amplo dos ativos financeiros em questão.
Depois de coletados, os dados passam por pré-processamento e preparação. Isto envolve a limpeza dos dados para remover ruídos e informações irrelevantes, por exemplo, filtrando instruções maliciosas ou entradas financeiras incorretas. Para informações financeiras confidenciais, os dados permanecem anônimos para proteger sua privacidade.
Depois vem a seleção do modelo e o treinamento inicial. Na plataforma AgentLayer, os desenvolvedores escolhem um modelo básico apropriado entre opções como Mistral, Llama ou o proprietário TrustLLM. O treinamento inicial envolve a inserção de dados pré-processados no modelo e o ajuste de seus parâmetros para aprender padrões e relacionamentos dentro dos dados financeiros.
Após o treinamento inicial, o modelo passa por ajustes finos. Esta fase utiliza conjuntos de dados financeiros específicos relacionados ao negócio alvo, como análise de demonstrações financeiras, permitindo que o modelo se torne mais especializado. Técnicas como transferência de aprendizagem e adaptação de domínio ajudam a tornar o modelo mais eficaz para aplicações financeiras, enquanto métodos avançados, como a tecnologia de geração aumentada de recuperação (RAG) e correspondência de conhecimento, melhoram a capacidade do modelo de lidar com dados financeiros complexos.
Finalmente, a avaliação de desempenho é fundamental para garantir que o agente atinja seus objetivos. Isto envolve medir a precisão das previsões ou resultados do agente, tais como a capacidade de prever riscos financeiros ou analisar dados financeiros. O feedback do usuário ajuda você a entender o desempenho do agente em aplicações do mundo real, incluindo classificações e sugestões de melhorias. Os testes no mundo real também são conduzidos aplicando o agente em cenários financeiros reais ou ambientes controlados para simular transações e atividades reais, garantindo que ele funcione de forma eficaz fora do ambiente de treinamento.
Como a AgentLayer garante que seus agentes de IA cumpram as regulamentações e padrões financeiros globais? Quais processos estão em vigor para mantê-los atualizados com as mudanças regulatórias?
AgentLayer toma várias medidas para garantir que seus agentes de IA cumpram os regulamentos e padrões financeiros globais. Para começar, a plataforma usa ferramentas de validação de entrada e limpeza de dados em seus chatbots para bloquear quaisquer solicitações maliciosas e anonimizar informações financeiras confidenciais. Isto ajuda a proteger a privacidade do utilizador e garante que a gestão de dados pessoais e financeiros cumpre os requisitos regulamentares. Além disso, o AgentLayer se integra a sistemas backend usando controles de acesso e gerenciamento de funções rígidos, o que limita quem pode acessar dados financeiros confidenciais, garantindo a conformidade com os regulamentos de segurança de dados.
Auditoria e monitoramento também são componentes-chave da estratégia de conformidade da AgentLayer. Agentes de IA como o AGIS realizam verificações extensivas em contratos inteligentes para detectar vulnerabilidades que possam afetar as transações financeiras. Ao proteger essas operações, o AgentLayer se alinha aos padrões regulatórios que regem os sistemas financeiros. A plataforma também utiliza mecanismos de compreensão e revisão de conteúdo dentro de seus chatbots para monitorar e filtrar respostas, evitando o vazamento de informações confidenciais e cumprindo as normas de proteção de dados.
Para acompanhar as mudanças nas regulamentações globais, o AgentLayer provavelmente possui uma equipe ou processo dedicado que monitora continuamente as atualizações regulatórias. Isto pode incluir a assinatura de boletins informativos do setor, a participação em fóruns regulatórios e o trabalho com especialistas jurídicos e financeiros para se manter informado sobre padrões novos ou emergentes. As revisões regulares destas alterações regulamentares ajudam a plataforma a avaliar o seu impacto e a garantir que os seus agentes de IA permanecem em conformidade.
A plataforma foi projetada para ser flexível, permitindo uma rápida adaptação aos novos requisitos regulatórios. Isso significa que o AgentLayer pode atualizar facilmente seus agentes e sistemas de IA conforme necessário, por exemplo, melhorando os padrões de criptografia ou fortalecendo os controles de acesso em resposta a novas regulamentações.
A colaboração é outro aspecto fundamental da abordagem do AgentLayer. A plataforma trabalha com órgãos reguladores, associações industriais e instituições acadêmicas para obter insights sobre as últimas tendências e melhores práticas. Essa abordagem proativa ajuda a AgentLayer a antecipar mudanças regulatórias e adaptar suas operações de acordo. A plataforma também requer aconselhamento de profissionais jurídicos e financeiros para garantir a conformidade contínua, o que pode incluir auditorias e revisões regulares por especialistas externos.
Você pode compartilhar novos recursos ou atualizações do AgentLayer? Como essas mudanças ajudarão a plataforma a gerenciar melhor as ameaças emergentes?
AgentLayer está fazendo atualizações importantes em sua plataforma. A função de staking para tokens AGENT e APGN Yields foi lançada em 10 de setembro, permitindo aos investidores obter retornos substanciais. Faltando apenas uma semana para o Evento de Geração de Token (TGE), os investidores são incentivados a aproveitar a oportunidade de staking.
Também estamos nos preparando para a listagem do token nativo do AgentLayer nas principais exchanges de criptomoedas, como Gate.io, BingX, Uniswap e Aerodrome. A listagem, agendada para 18 de setembro de 2024 às 19h, horário de Cingapura, aumentará as oportunidades de negociação para investidores e aprimorará o ecossistema financeiro.
AgentLayer também está atualizando seu uso de grandes modelos de linguagem (LLMs), como TrustLLM, para detectar melhor fraudes complexas e padrões incomuns em dados financeiros. Ao trabalhar com conjuntos de dados mais diversos e aplicar técnicas avançadas, a plataforma visa detectar novos tipos de golpes.
A plataforma está a melhorar as suas ferramentas de análise de risco, utilizando a aprendizagem automática para estudar dados anteriores e tendências de mercado, o que ajudará a identificar ameaças antecipadamente. Também monitorará a atividade financeira em tempo real para detectar comportamentos suspeitos, como padrões de transações incomuns.
No que diz respeito à segurança, a AgentLayer está explorando tecnologias avançadas de criptografia, incluindo métodos resistentes a quantum, para proteger melhor os dados financeiros. A autenticação multifatorial e biométrica também será introduzida para aumentar a segurança do usuário.
O artigo Agentes de IA e proteção financeira: um mergulho profundo com AgentLayer foi visto pela primeira vez em BeInCrypto .