feat(memory): anomaly detection on memory writes

**Context:** ROADMAP.md → Memory security → Anomaly detection

---

## Component

Agent (Python runtime)

## Describe the feature

**CloudWatch metrics** on memory write patterns; alarms for burst writes, unusual content size, or suspicious keyword spikes.

## Use case

Memory poisoning attacks may manifest as rapid bulk writes or anomalous content. Operators need early warning before retrieval spreads bad data.

## Proposed solution

1. EMF metrics: write rate, bytes, entries per task/repo.
2. Alarms with sensible defaults + Blueprint overrides.
3. Optional auto-quarantine hook (see quarantine draft).
4. Dashboard panel on operator dashboard.

## Other information

- Design context: `docs/design/MEMORY.md`, `docs/design/OBSERVABILITY.md`.

- [ ] This might be a breaking change

Inizia leggendo docs/design/MEMORY.md e docs/design/OBSERVABILITY.md, quindi esamina i punti di ingresso dell'Agent Python runtime e della dashboard dell'operatore. Definisci come si integrano le metriche EMF, gli allarmi predefiniti e quelli sovrascritti da Blueprint, l'hook di quarantena opzionale e il pannello della dashboard. Il lavoro è completato quando i segnali di pattern di scrittura proposti e i controlli dell'operatore sono implementati e documentati.

Scritto dal modello di indicizzazione a partire dal testo della issue.