Security-First Design

Triggerfish एका single premise वर built आहे: LLM ला zero authority आहे. तो actions request करतो; policy layer निर्णय घेते. प्रत्येक security decision deterministic code द्वारे घेतला जातो जो AI bypass करू शकत नाही, override करू शकत नाही, किंवा influence करू शकत नाही.

हे page Triggerfish हा approach का घेतो, ते traditional AI agent platforms पेक्षा कसे वेगळे आहे, आणि security model च्या प्रत्येक component वर details कुठे सापडतात हे explain करते.

Security LLM च्या खाली का असणे आवश्यक आहे

Large language models ला prompt inject केले जाऊ शकते. एक carefully crafted input -- malicious external message, poisoned document, किंवा compromised tool response मधून असो -- LLM ला त्याच्या instructions ignore करायला आणि त्याला सांगितलेले नसलेले actions घ्यायला cause करू शकते. हे theoretical risk नाही. हे AI industry मधील एक well-documented, unsolved problem आहे.

तुमचे security model LLM rules follow करण्यावर अवलंबून असल्यास, एकच successful injection तुम्ही built केलेले प्रत्येक safeguard bypass करू शकते.

Triggerfish हे LLM च्या खाली असलेल्या code layer ला सर्व security enforcement move करून solve करते. AI security decisions कधीच पाहत नाही. तो actions allow करायचे की नाही हे कधीच evaluate करत नाही. तो फक्त actions request करतो, आणि policy enforcement layer -- pure, deterministic code म्हणून running -- ते actions proceed करायचे की नाही हे decide करते.

SECURITY LLM layer ला policy enforcement layer override, skip, किंवा

influence करण्याचे कोणतेही mechanism नाही. कोणताही "parse LLM output for bypass commands" logic नाही. Separation behavioral नाही, architectural आहे. :::

Core Invariant

Triggerfish मधील प्रत्येक design decision एका invariant मधून flows:

Same input नेहमी same security decision produce करते. कोणतीही randomness नाही, LLM calls नाही, कोणताही discretion नाही.

याचा अर्थ security behavior असे आहे:

• Auditable -- तुम्ही कोणतेही decision replay करू शकता आणि same result मिळवू शकता
• Testable -- deterministic code automated tests द्वारे covered केला जाऊ शकतो
• Verifiable -- policy engine open source (Apache 2.0 licensed) आहे आणि कोणीही ते inspect करू शकतो

Security Principles

Principle	याचा अर्थ	Detail Page
Data Classification	सर्व data sensitivity level carry करतो (RESTRICTED, CONFIDENTIAL, INTERNAL, PUBLIC). Data system मध्ये enter झाल्यावर code द्वारे classification assign केली जाते.	Architecture: Classification
No Write-Down	Data फक्त equal किंवा higher classification level च्या channels आणि recipients ला flow करू शकते. CONFIDENTIAL data PUBLIC channel ला reach करू शकत नाही. कोणताही exceptions नाही.	No Write-Down Rule
Session Taint	जेव्हा session एखाद्या classification level वर data access करते, तेव्हा संपूर्ण session त्या level ला tainted होते. Taint फक्त escalate होऊ शकते, कधीच decrease नाही.	Architecture: Taint
Deterministic Hooks	आठ enforcement hooks प्रत्येक data flow मधील critical points वर run होतात. प्रत्येक hook synchronous, logged, आणि unforgeable आहे.	Architecture: Policy Engine
Identity in Code	User identity session establishment वर code द्वारे determined केली जाते, LLM message content interpret करून नाही.	Identity & Auth
Agent Delegation	Agent-to-agent calls cryptographic certificates, classification ceilings, आणि depth limits द्वारे governed आहेत.	Agent Delegation
Secrets Isolation	Credentials OS keychains किंवा vaults मध्ये stored आहेत, config files मध्ये नाही. Plugins system credentials access करू शकत नाहीत.	Secrets Management
Audit Everything	प्रत्येक policy decision full context सह logged आहे: timestamp, hook type, session ID, input, result, आणि rules evaluated.	Audit & Compliance

Traditional AI Agents vs. Triggerfish

बहुतेक AI agent platforms safety enforce करण्यासाठी LLM वर rely करतात. System prompt म्हणतो "sensitive data share करू नका," आणि agent ला comply करण्यासाठी trust केले जाते. या approach ला fundamental weaknesses आहेत.

Aspect	Traditional AI Agent	Triggerfish
Security enforcement	LLM ला system prompt instructions	LLM च्या खाली Deterministic code
Prompt injection defense	LLM resist करेल अशी आशा	LLM ला authority च नाही
Data flow control	LLM decide करतो काय share करणे safe आहे	Code मध्ये Classification labels + no-write-down rule
Identity verification	LLM "I am the admin" interpret करतो	Code cryptographic channel identity check करतो
Audit trail	LLM conversation logs	Full context सह Structured policy decision logs
Credential access	सर्व users साठी System service account	Delegated user credentials; source system permissions inherited
Testability	Fuzzy -- prompt wording वर अवलंबून	Deterministic -- same input, same decision, every time
Open for verification	साधारणतः proprietary	Apache 2.0 licensed, fully auditable

Triggerfish असे claim करत नाही की LLMs अविश्वसनीय आहेत. ते claim करते की

LLMs security enforcement साठी wrong layer आहे. एक well-prompted LLM बहुतेक वेळा त्याच्या instructions follow करेल. पण "बहुतेक वेळा" security guarantee नाही. Triggerfish एक guarantee provide करते: policy layer code आहे, आणि code त्याला सांगितलेले करतो, प्रत्येक वेळी. :::

Defense in Depth

Triggerfish thirteen layers of defense implement करते. कोणताही एक layer स्वतःहून पुरेसा नाही; एकत्र, ते एक security boundary form करतात:

1. Channel authentication -- session establishment वर code-verified identity
2. Permission-aware data access -- source system permissions, system credentials नाही
3. Session taint tracking -- automatic, mandatory, escalation-only
4. Data lineage -- प्रत्येक data element साठी full provenance chain
5. Policy enforcement hooks -- deterministic, non-bypassable, logged
6. MCP Gateway -- per-tool permissions सह secure external tool access
7. Plugin sandbox -- Deno + WASM double isolation
8. Secrets isolation -- OS keychain किंवा vault, config files नाही
9. Filesystem tool sandbox -- path jail, path classification, taint-scoped OS-level I/O permissions
10. Agent identity -- cryptographic delegation chains
11. Audit logging -- सर्व decisions recorded, कोणताही exceptions नाही
12. SSRF prevention -- सर्व outbound HTTP वर IP denylist + DNS resolution checks
13. Memory classification gating -- writes session taint ला forced, reads canFlowTo द्वारे filtered

Next Steps

Page	वर्णन
Classification Guide	Channels, MCP servers, आणि integrations साठी योग्य level निवडण्याचे practical guide
No Write-Down Rule	Fundamental data flow rule आणि ते कसे enforced आहे
Identity & Auth	Channel authentication आणि owner identity verification
Agent Delegation	Agent-to-agent identity, certificates, आणि delegation chains
Secrets Management	Triggerfish tiers across credentials कसे handle करतो
Audit & Compliance	Audit trail structure, tracing, आणि compliance exports