Logira: Auditoría en Tiempo de Ejecución eBPF para Ejecuciones de Agentes de IA

Logira es una herramienta de auditoría en tiempo de ejecución basada en eBPF para Linux que rastrea lo que los agentes de IA y la automatización realmente hacen a nivel del sistema operativo. Registra la ejecución de procesos, la actividad de archivos y la actividad de red utilizando el seguimiento por ámbito de ejecución de cgroup v2, atribuyendo eventos a ejecuciones auditadas individuales.
Características principales
La herramienta proporciona almacenamiento local por ejecución en formatos JSONL y SQLite para revisión y consulta de la línea de tiempo. Incluye reglas de detección predeterminadas centradas en la auditoría de agentes de IA, con reglas personalizadas opcionales en YAML. Logira es de solo observación por diseño: registra y detecta, pero nunca bloquea ni aplica.
Detecciones predeterminadas
- Escrituras de credenciales y secretos:
~/.ssh,~/.aws, configuraciones de kube/gcloud/docker,.netrc,.git-credentials, credenciales de registro - Lecturas de credenciales sensibles: claves privadas SSH, credenciales/configuración de AWS, kubeconfig, configuración de docker,
.netrc,.git-credentials - Cambios de persistencia y configuración: escrituras bajo
/etc, unidades systemd, cron, entradas de inicio automático de usuario, archivos de inicio de shell - Droppers temporales: archivos ejecutables creados bajo
/tmp,/dev/shm,/var/tmp - Patrones de ejecución sospechosos:
curl|sh,wget|sh, herramientas y banderas de tunelización/shell inversa, decodificación base64 con indicios de shell - Patrones destructivos de seguridad del agente:
rm -rf,git clean -fdx,find -delete,mkfs,terraform destroyy comandos similares - Egreso de red: puertos de destino sospechosos y acceso a endpoints de metadatos en la nube
Instalación
Instalación recomendada mediante script:
curl -fsSL https://raw.githubusercontent.com/melonattacker/logira/main/install.sh | sudo bashO instalación manual desde el tarball de lanzamiento:
tar -xzf logira_vX.Y.Z_linux-<arch>.tar.gz
cd logira_vX.Y.Z_linux-<arch>
sudo ./install-local.shDespués de la instalación o actualización, reinicie el demonio:
sudo systemctl daemon-reload
sudo systemctl restart logirad.service
sudo systemctl status logirad.service --no-pagerCómo ejecutar
El demonio raíz logirad se ejecuta mediante systemd. Los pasos de instalación incluyen:
# 1) Generar objetos eBPF (solo necesario si faltan)
make generate
2) Instalar la unidad systemd
sudo install -D -m 0644 packaging/systemd/logirad.service /etc/systemd/system/logirad.service
3) Instalar el binario del demonio (la unidad usa por defecto /usr/local/bin/logirad)
sudo install -m 0755 ./logirad /usr/local/bin/logirad
4) (Recomendado) Apuntar systemd a los archivos .o de eBPF mediante un archivo de entorno
sudo mkdir -p /etc/logira
sudo tee /etc/logira/logirad.env > /dev/null << 'EOF'
LOGIRA_EXEC_BPF_OBJ=/absolute/path/to/collector/linux
Se pueden agregar reglas personalizadas por ejecución con logira run --rules <archivo>.
📖 Leer la fuente completa: HN AI Agents
👀 Ver también

Exasol lanza un servidor MCP para contexto de base de datos en flujos de trabajo de agentes de IA.
Exasol ha lanzado un servidor MCP que permite a las bases de datos proporcionar contexto a los agentes de IA sobre los datos disponibles, las reglas comerciales y los métodos de interacción seguros. El servidor es de solo lectura por defecto, admite flujos de trabajo de alta concurrencia y se puede implementar en entornos locales, en la nube o híbridos.

Argus: Extensión de Código Abierto para VS Code de Observabilidad en Tiempo Real de Claude Code
Argus visualiza los pasos del agente Claude Code en tiempo real dentro de VS Code, mostrando la línea de tiempo, el gráfico de dependencias y la detección de costos/bucles para depurar comportamientos que desperdician tokens.
Netlify prueba 11 modelos de IA para codificación: ¿Cuál es el mejor?
Netlify ejecutó las mismas indicaciones en 11 modelos de IA, revelando grandes diferencias en resultados y costos de créditos. Vea lo que encontraron antes de elegir su próximo agente de codificación.

Canario: Agente de IA para Control de Calidad en Pruebas Automatizadas Basadas en Cambios de Código
Canary es un agente de IA para QA que lee bases de código, analiza diferencias en pull requests y genera pruebas de extremo a extremo para flujos de trabajo de usuarios afectados. Se conecta a entornos de previsualización, ejecuta pruebas y comenta los resultados directamente en los PR con grabaciones.