Liat Hayun, SVP Produktového Řízení & Výzkumu ve Společnosti Tenable – Rozhovorová Série

Liat Hayun je viceprezidentkou pro produktové řízení a výzkum ve společnosti Tenable Cloud Security. Předtím, než se připojila k Tenable, založila a vedla jako CEO společnost Eureka Security, která se zabývá zabezpečením dat a byla později koupena společností Tenable. Před založením Eureka Security strávila Liat více než deset let vedením bezpečnostních aktivit v Izraelském kybernetickém velení a v společnosti Palo Alto Networks (PANW ). Jako viceprezidentka pro produktové řízení ve společnosti Palo Alto Networks vedla vývoj Cortex XDR a spravovaného služeb pro lov hrozby.

Tenable je americká kybernetická bezpečnostní firma, která se zaměřuje na pomoc organizacím identifikovat, pochopit, priorizovat a odstranit bezpečnostní zranitelnosti napříč celou digitální útočnou plochou. Je nejznámější pro svou platformu pro správu expozice a nástroje, jako je široce používaný skener zranitelností Nessus, které umožňují podnikům získat přehled o hrozbách, které sahají napříč infrastrukturou IT, cloudem, OT/IoT a systémy identity, a přijmout rozhodná opatření ke snížení rizik, která mají dopad na podnikání. Řešení Tenable dodávají kontinuální objevování, priorizaci a přehledy hrozeb, aby podpořila proaktivní řízení kybernetických rizik pro desítky tisíc zákazníků po celém světě.

Co fundamentálně činí autonomní AI agenty nebezpečnějšími než tradiční AI modely, které reagují pouze na uživatelské podněty, místo aby jednaly nezávisle?

Autonomní AI agenti mění povahu rizika, protože mohou iniciovat úkoly, přistupovat k systémům, přijímat rozhodnutí a interagovat s jinými službami bez dozoru lidí.

Tato nezávislost rozšiřuje rychlost a rozsah potenciálního dopadu, zvyšuje pravděpodobnost expozice dat, provozních přerušení a finančních ztrát. AI agent může dotazovat datové úložiště, spouštět pracovní postupy, volat rozhraní API nebo modifikovat infrastrukturu v reálném čase. Pokud je nesprávně nakonfigurován nebo ohrožen, může se pohybovat po systémech pomocí oprávnění, která mu byla udělena, často rychleji, než by to mohl člověk detekovat nebo zasáhnout.

Podle Zprávy o kybernetické expozici Tenable z roku 2026, 52 % organizací nyní má nehumánní identity s nadměrnými oprávněními a téměř polovina z nich je neaktivní, což vytváří širokou neřízenou přístupnost napříč produkčními prostředími. To znamená, že mnoho AI poháněných procesů již má přístup, který aktivně nevyužívají, ale útočníci ano.

Útočníci stále více zneužívají problém zmateného zástupce. Nemusejí ohrozit samotného agenta. Místo toho trikují autorizovaného agenta, aby prováděl akce na jejich behalf, často prostřednictvím nepřímého vkládání podnětů nebo manipulovaných vstupů. Agent provede požadavek pomocí svých oprávnění, efektivní tím dělá útočníkovi práci. Když autonomní systémy dědí široká oprávnění nebo přebírají nadměrně privilegované role, čas mezi nesprávnou konfigurací a zneužitím se efektivní změní na nulový AI expozicí mezery.

Mnohé podniky experimentují s AI agenty neformálně. Jaké jsou první konkrétní kroky, které by bezpečnostní týmy měly podniknout, aby posoudily, zda agentic AI již operuje uvnitř jejich prostředí?

Zavření AI expozice mezery začíná objevením, které sahá za hranice tradičních inventur aktiv. Experimentální fáze je často nejběžnější, protože organizace plně nevědí, jaký AI je používán, jak je nakonfigurován nebo jaká oprávnění má.

AI agenti zřídka žijí v jednom, jasně označeném systému. Mnohé operují mimo formální správu. Nacházejí se v nástrojích pro vývojáře, integračních službách SaaS, automatizačních pracovních postupech, rozšířeních prohlížeče a cloudových službách, což vytváří distribuovanou nasazení, která zvyšuje slepá místa a omezuje centralizovanou kontrolu. To je již rozšířené, protože více než 70 % organizací integrovalo alespoň jeden třetí AI nebo modelový balíček, často vkládající AI hluboko do aplikací a infrastruktury s omezenou centralizovanou kontrolou.

Poslední výzkum o Clawdbot ukazuje, že experimentální nasazení agentů může představovat vážná rizika, když jsou schopnosti nasazeny před bezpečnostními kontrolami nebo standardy konfigurace jsou plně pochopeny. I po skončení experimentů a rozhodnutí, které AI aplikace přijmout, organizace stále potřebují silnou správu nad tím, jak tyto systémy používají, jaká oprávnění mají, a jak interagují s kritickými aktivy.

Fáze objevení by měla začít zavedením jednotného inventáře, kde AI existuje napříč koncovými body, cloudovou infrastrukturou a externími útočnými plochami. To zahrnuje identifikaci AI knihoven, agentů, API, modelových služeb a třetích integračních služeb, nejen interně nasazených systémů, ale také všech externě dostupných.

Další, týmy musí mapovat, jak jsou tyto agenti propojeni a jaká data přístup, která identita používají, jaká oprávnění mají, a která systémy mohou dosáhnout. Viditelnost vyžaduje kontext, protože riziko vzniká z vztahů.

Nakonec, po experimentu, organizace by měly identifikovat, welche spojení vytvářejí dosažitelné cesty k kritickým aktivům a zavřít AI expozicí mezery.

Jak se rizika, jako jsou expozice kontrolních ploch nebo neověřené třetí strany „schopnosti“, srovnávají s více známými hrozbami, jako jsou útoky na dodavatelský řetězec nebo eskalace oprávnění?

Neověřené třetí strany agentů a expozice kontrolních ploch rozšiřují podobná rizika jako ohrožení dodavatelského řetězce a eskalace oprávnění, ale s vyšší rychlostí, rozsahem a propojeností.

Třetí strany agentů funkcí podobně jako softwarové závislosti dodavatelského řetězce, a expozice povrchu již nese významnou váhu. Osmasedmdesát procent organizací hostí třetí strany kódových balíčků s kritickými zranitelnostmi. Když tyto komponenty fungují uvnitř autonomních AI agentů, provedení se stává kontinuálním a automatizovaným, eliminuje čas mezi ohrožením a dopadem.

Expozice kontrolních ploch rozšiřuje identitu a přístupovou vrstvu rizika, vytváří nové provozní rozhraní, která nesou zvýšená oprávnění. Osmnáct procent organizací již umožňuje AI službám přebírat nadměrně privilegované role, poskytující automatizovaným systémům široký dosah napříč prostředími. Agentic AI spojuje tato expozice do jediného provozního řetězce. Zranitelná závislost, nadměrná oprávnění a expozice rozhraní se kombinují do dosažitelné útočné cesty. Organizace fungují v prostředí s nulovou rezervou pro chyby, kde expozice a zneužití se téměř okamžitě shodují.

Z hlediska obrany, co vypadá „dobrá hygiena“ pro organizace, které nasazují AI agenty s přístupem k interním systémům nebo citlivým údajům?

Dobrá hygiena začíná tím, že AI agenti jsou považováni za privilegované digitální aktéry s opravdovou autoritou napříč systémy a údaji. Organizace potřebují kontinuální viditelnost do každého agenta, co dělá a co může dosáhnout. Týmy by měly vynucovat minimální oprávnění pro strojní a servisní identity, odstraňovat dormantní přístup a úzce definovat oprávnění. Každý agent by měl být věnován konkrétnímu typu úkolu, s oprávněními a přístupem omezenými striktně na tuto funkci.

To je důležité, protože nevyužitý přístup je rozšířený. Téměř polovina identit s kritickými nadměrnými oprávněními je neaktivní a více než 70 % výchozích AI rolí zůstává nevyužité. Tyto podmínky vytvářejí hotové eskalační cesty, které nesou riziko bez poskytování hodnoty.

Bezpečnostní týmy musí také pochopit vztahy napříč infrastrukturou, úložišti dat, API a aplikacemi. Mapování těchto spojení odhaluje toxické kombinace expozice, jako jsou zranitelné pracovní zátěže, které jsou dosažitelné prostřednictvím nadměrně privilegovaných agentů s přístupem k citlivým údajům.

Silná hygiena také vyžaduje kontinuální správu. Organizace musí monitorovat chování agentů, kontrolovat integrace, vynucovat datové zábrany a pravidelně ověřovat oprávnění. Tyto postupy zavírají AI expozicí mezery a odstraňují dosažitelné útočné cesty.

Co byste doporučili organizacím, aby chránily AI útočné plochy rychle bez zpomalení inovací?

Organizace mohou chránit AI útočné plochy snížením expozice s rychlostí a přesností.

K tomu je prvním prioritou identifikace, které AI systémy vytvářejí dosažitelné cesty k kritickým aktivům. Více než 80 % organizací běží pracovní zátěže se zranitelnostmi, které jsou již zneužity ve volném prostředí. Riziko již existuje uvnitř většiny prostředí. Bezpečnostní týmy potřebují soustředit se na spojení, která vytvářejí skutečný dopad.

Pak si uvědomit, že automatizace umožňuje škálovatelnost. Kontinuální objevování, kontextová priorizace a řízená náprava umožňují týmům snižovat rizika, zatímco udržují vývojovou rychlost.

Zatímco politické zábrany zajišťují přijetí, just-in-time přístup, monitorované datové toky a kontrolované integrace pomáhají organizacím spravovat AI aktivitu, zatímco udržení inovací.

Společně tyto kroky snižují AI expozicí mezery odstraňováním vysokého rizika přístupu a nebezpečných spojení. Rychlé snížení expozice chrání systémy, zatímco umožňuje AI přijetí postupovat vpřed.

Jak by měli CISO měli uvažovat o identitě, oprávněních a rozsahu, když poskytují AI agentům přístup k produkčním systémům?

CISO by měli považovat AI agenty za vysokorychlostní nehumánní identity s provozní autoritou napříč systémy a údaji.

Rozhodnutí o přístupu by se měla soustředit na přesnost. Oprávnění by měla být zarovnána s konkrétními úkoly, zůstat časově omezená a podléhat kontinuálnímu přezkumu. Nadměrná oprávnění rozšiřují dosah a zvyšují dopad, když systémy interagují s rychlostí strojů.

Bezpečnostní lídři také potřebují jasný přehled o efektivní dosažitelnosti. Oprávnění, kombinovaná se síťovými cestami, přístupem k údajům a servisními integracemi, definují, co může agent skutečně dělat. Pochopení těchto vztahů odhaluje potenciální expozici, než se stane dopadem.

Identita spojuje infrastrukturu, data a aplikace napříč AI expozicí mezery. Úzká konstrukce oprávnění omezuje rozsah dopadu a udržuje kontrolu. Když je čas od objevu expozice k zneužití téměř nula, správa identity určuje, jak bezpečně AI funguje v produkci.

Předpokládáte, že agentic AI bude vyžadovat přehodnocení stávajících bezpečnostních rámců, nebo lze dnešní modely přizpůsobit, aby zvládly tyto nové rizika?

Bezpečnostní principy zůstávají konzistentní, ale provozní modely se vyvíjejí. Agentic AI spojuje systémy, identity a data do dynamických prostředí, která se mění kontinuálně a fungují s rychlostí strojů. Na rozdíl od lidských operátorů agenti neaplikují úsudek na své akce nebo nerozlišují mezi vhodnými a nevhodnými požadavky. Provedou na základě instrukcí a oprávnění, což zvyšuje důležitost přísné kontroly a správy.

Riziko vzniká z vztahů napříč infrastrukturou, softwarovými dodavatelskými řetězci a vrstvami identity. Organizace dědí expozici rychleji, než mohou nápravné cykly držet krok. Automatizované nasazení a automatizované zneužití komprimují čas reakce a zvyšují provozní tlak.

Bezpečnostní rámce potřebují soustředit se na viditelnost a snížení expozice. Týmy vyžadují kontinuální přehled o tom, co existuje, jak systémy spojují a které cesty vedou k kritickým aktivům.

Definujícím výzvou je správa propojeného rizika napříč AI expozicí mezery. Bezpečnostní programy uspějí kontinuálním snižováním dosažitelné expozice a udržováním kontroly napříč složitými prostředími.

Pohledem do budoucna, jaké oblasti agentic AI bezpečnostního výzkumu si zaslouží více pozornosti, když tyto nástroje přecházejí z experimentálních do kriticky důležitých?

Několik výzkumných oblastí bude tvarovat budoucnost agentic AI bezpečnosti.

První, růst nehumánních identitních ekosystémů vyžaduje hlubší analýzu. Organizace rychle rozšiřují strojní identity, které fungují napříč infrastrukturou, údaji a službami. Pochopení vzorců oprávnění, chování a správy životního cyklu bude nezbytné.

Druhý, výzkum musí pokročit ve více krokových modelech útočných cest. AI systémy spojují softwarové dodavatelské řetězce, cloudovou infrastrukturu a vrstvy identity. Mapování, jak tyto prvky interagují, verbessí predikci a priorizaci rizika.

Třetí, správa autonomního rozhodování vyžaduje větší zaměření. Bezpečnostní týmy potřebují přehled o tom, jak agenti přistupují, zpracovávají a přenášejí citlivé údaje v čase.

Nakonec, rychlost zneužití se stále zrychluje. Studium, jak útočníci a obránci fungují s rychlostí strojů, bude tvarovat reakční strategie.

Budoucí bezpečnost závisí na pochopení a snížení AI expozicí mezery. Výzkum musí se soustředit na kontrolu propojené expozice napříč celou útočnou plochou.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Tenable.