Pesquisa da Databricks injetou perfis de capacidade, conhecimento declarativo sobre técnica maliciosa, direto no prompt de triagem de pacote npm com binário embutido, e levou modelo barato de 0 ou 1 detecção em 10 payloads pra 7 a 10 de 10, quase igualando modelo caro sem re-treinar nada.
Já vimos a arquitetura geral da Data Intelligence for Cybersecurity da Databricks (Agent Bricks, Lakebase, OCSF sobre Delta Lake). Agora a Atlassian mostra como isso funciona na prática em 44 bilhões de eventos por dia: 80% de redução de custo de ingestão, consulta de 45 segundos pra 2-3 segundos, e um schema tipado em Go que rejeita log fora do padrão já na compilação.
IP Functions chegou em disponibilidade geral: parsing, validação e join de endereço IPv4, IPv6 e bloco CIDR direto em SQL, otimizado em Photon, com benchmark de até 3,1x mais rápido e 6,4x mais barato num join de CIDR comparado a outro data warehouse em nuvem.
Autorização on-behalf-of-user em Databricks Apps (GA) encaminha o token de acesso de quem está logado pra dentro da aplicação, fazendo linha e coluna respeitarem a permissão individual do usuário no Unity Catalog, em vez de depender do service principal único e compartilhado do app.
Um engenheiro da Databricks construiu um sistema de revisão de segurança com sete agentes especializados (intake, risco, requisitos, revisão dedicada, validação, workflow e aprendizado) rodando sobre Unity Catalog, Foundation Models e Lakeflow Jobs, reduzindo pedido de rotina de dias para minutos sem tirar humano da decisão final.
A Databricks documentou como construiu um fluxo de revisão de segurança com sete agentes de responsabilidade estreita, orquestrados sobre Unity Catalog, Lakeflow Jobs e Databricks Apps, escalando caso de risco baixo automaticamente e escalonando pra revisor humano com evidência estruturada quando o risco é alto ou ambíguo.
O Databricks CLI passou a suportar workload identity federation via OIDC, então um workflow do GitHub Actions consegue autenticar num service principal do Azure Databricks sem nunca guardar client secret no repositório.
O AIM (Automatic Identity Management) via Entra ID já era GA no Azure Databricks e agora chega GA também em AWS e GCP, com Okta entrando em preview público; junto vieram políticas de ingress baseadas em contexto pra controlar acesso de agente de IA a Genie, dashboard e Databricks Apps.
External secrets (Beta) conecta um schema do Unity Catalog direto ao Azure Key Vault: o segredo aparece como objeto governável e somente leitura, e o valor é lido sob demanda, sem duplicar cópia dentro do Databricks.
A Databricks detalhou um padrão para aplicar segurança em nível de linha em AI/BI Dashboards incorporados, usando um token assinado por visualizador, uma tabela de direitos de acesso central e as proteções nativas do Unity Catalog.