Finansiering

CodeWall rejser 4 mio. dollar i præ-seedfinansiering for at bringe autonome angrebsagenter ind i virksomheders sikkerhedsarbejde

mm
Føj Unite.AI til dine foretrukne kilder på Google
Conceptual illustration of autonomous security agents tracing attack paths through an enterprise network.

Et sikkerhedsteam kan lukke et sikkerhedshul og stadig efterlade en angriber en anden vej til de samme data. Det vanskeligere spørgsmål er, om svagheder på tværs af applikationer, identiteter og infrastruktur kan kombineres til et fungerende indbrud.

CodeWall bygger sin forretning op omkring løbende at besvare det spørgsmål. London-startuppen er trådt frem fra stealthfasen med 4 mio. dollar i præ-seedfinansiering, anført af Osney Capital, med deltagelse fra InReach Ventures, Antler og business angels, ifølge selskabets meddelelse den 14. oktober.

Virksomheden udvikler autonome angrebsagenter, der går til angreb på en virksomhed udefra uden at kræve loginoplysninger, kildekode eller intern adgang. Målet er at give forsvarere en løbende mulighed for at finde og verificere udnyttelige angrebsveje, før en ondsindet aktør benytter dem.

Fra en liste over svagheder til dokumentation for en angrebsvej

CodeWalls tekniske vision bygger på at tilpasse en undersøgelse, efterhånden som der kommer nye beviser. Virksomheden hævder, at manglen på ekspertise inden for offensiv sikkerhed og periodiske vurderinger gør det vanskeligt for organisationer at teste et miljø, der ændrer sig mellem opgaverne.

I sin meddelelse beskriver virksomheden, hvordan specialiserede agenter undersøger forhold parallelt og deler deres opdagelser gennem en vedvarende undersøgelsesgraf. Et fund i én applikation kan hjælpe den næste agent med at undersøge en tilknyttet tjeneste, identitet eller datalager. Resultatet skal være en redegørelse for, hvad der kan kompromitteres, hvordan angrebsvejen fungerer, og hvilke beviser der underbygger konklusionen.

I praksis viser en graf relationerne mellem fund i stedet for at behandle hver advarsel som et isoleret punkt. En forbindelse kan være vigtigere end de enkelte svagheder: Eksponering ved én grænse kan gøre det muligt at nå en anden sikkerhedskontrol. Denne forklaring beskriver den arkitektoniske idé; CodeWall har ikke offentliggjort tilstrækkelige detaljer om implementeringen i meddelelsen til, at man kan vurdere, hvordan grafen håndterer modstridende fund eller validerer hvert led i kæden.

På virksomhedens websted står der, at platformen kortlægger tillidsrelationer på tværs af tjenester, API’er og infrastruktur, tilpasser sin strategi under undersøgelser og leverer reproducerbar dokumentation i form af proof of concept. Det er produktoplysninger fra virksomheden. Værdien for en virksomhed afhænger af, om fundene fortsat kan reproduceres og er relevante i virksomhedens eget miljø.

Hvad undersøgelsen af McKinsey viser

CodeWall har allerede offentliggjort undersøgelser, der beskriver svagheder i platforme drevet af store konsulentvirksomheder. Beretningen fra 9. marts om test af McKinseys Lilli AI-platform er særlig relevant for virksomheder, der forbinder AI-applikationer med intern viden.

Ifølge CodeWall fik agenten læse- og skriveadgang til produktionsdatabasen på under to timer. Virksomheden tilskrev indgangspunktet en grænseflade uden godkendelse og et SQL-injektionsproblem, der skyldtes håndteringen af feltnavne i forespørgsler. Det væsentlige var adgangen til applikationens underliggende data og konfiguration, ikke en fejl i selve sprogmodellen.

Forskerne drøftede også følgerne af at få skriveadgang til lagrede systemprompter: Et kompromitteret applikationsmiljø kunne åbne en vej til at ændre de instruktioner, der styrer betroede AI-resultater. Det er en mulig konsekvens, som rapporten beskriver, ikke et bevis på, at konsulenter modtog manipuleret rådgivning.

CodeWall oplyser, at virksomheden videregav fundene til McKinsey, begrænsede adgangen til verifikation og bekræftede, at forholdene var udbedret, inden resultaterne blev offentliggjort. Oplysningerne stammer fra leverandørens egen undersøgelsesrapport; de bør ikke opfattes som bevis på en fortsat sårbarhed eller som en generel sammenligning, der viser, at virksomhedens agenter klarer sig bedre end menneskelige testere.

Løbende test ændrer de driftsmæssige udfordringer

CodeWall oplyser, at platformen undersøger systemer igen, når applikationer ændres, nye aktiver dukker op, eller rettelser indføres, og at det sker inden for en godkendt ramme. Det skaber en potentielt nyttig feedbacksløjfe: Find en angrebsvej, afhjælp de medvirkende svagheder, og test, om angrebsvejen stadig fungerer.

Gentest er vigtig, fordi afslutningen af en enkelt sag ikke nødvendigvis betyder, at den oprindelige forretningsrisiko er forsvundet. En rettelse kan blokere én vej, mens en anden fortsat er åben, eller en senere implementering kan ophæve en tidligere rettelse.

Unite.AI’s tidligere omtale af autonom penetrationstest og afhjælpning beskrev den samme bevægelse i retning af gentagen validering. CodeWall lægger vægt på sin eksterne indgangsvinkel og koordinerede undersøgelse af forbundne systemer. Lignende kommercielle mål betyder ikke, at agenternes arkitektur eller udførelseskontroller er identiske.

Hyppigere test gør også driftsmæssige afgrænsninger vigtigere. Virksomheder, der vurderer en sådan platform, bør fastlægge, hvilke mål og handlinger der er tilladt, regler for håndtering af beviser, procedurer for eskalering og mulighed for at standse en undersøgelse. Det er vurderingskriterier, ikke funktioner, som CodeWalls meddelelse om finansieringen dokumenterer.

Hvad finansieringen skal bruges til

Grundlægger og administrerende direktør Paul Price beskriver virksomheden som en måde at gøre offensiv testning til en permanent defensiv kapacitet på. CodeWall oplyser, at virksomheden allerede hjælper banker og finansielle institutioner med at identificere og verificere udnyttelige angrebsveje, selvom meddelelsen ikke nævner navngivne kunder i finanssektoren eller uafhængige målinger af resultaterne.

Finansieringen skal understøtte en udvidelse af de miljøer, som virksomhedens agenter kan undersøge, samt vedvarende testning, verifikation og arbejdsgange til afhjælpning. Virksomheden planlægger også at udvide sine teams inden for offensiv sikkerhed, teknik, kundesucces og markedsføring og lancering i London.

For købere bliver en vigtig forskel, hvor langt disse arbejdsgange til afhjælpning rækker. Det er noget andet at fremlægge dokumentation og anbefale en rettelse end automatisk at foretage en ændring i produktionsmiljøet. Meddelelsen fastslår ikke, at CodeWall selvstændigt udruller rettelser, så virksomheder bør afklare, hvor godkendelse og udførelse ligger.

Det bedste mål for fremskridt vil være kvaliteten af de sikkerhedsbeslutninger, der træffes på baggrund af arbejdet: reproducerbare angrebsveje, tydelige forretningsmæssige konsekvenser, passende håndtering af følsom dokumentation og bekræftelse af, at afhjælpningen lukker eksponeringen. CodeWalls pre-seed-runde giver virksomheden ressourcer til at forfølge denne driftsmodel. Dens opgave er nu at gøre løbende adversarial testning pålidelig nok til at blive en fast del af virksomheders arbejde.

Miles Okada er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker kunstig intelligens og cybersikkerhed med fokus på nye trusler, defensive arkitekturer og de udviklende dynamikker mellem angribere og automatiserede systemer. Hans arbejde undersøger, hvordan AI omformer sikkerhedsoperationer, fra autonom trusselsdetektion og -respons til fremkomsten af adversarielle AI-teknikker.

Med et teknisk og undersøgende perspektiv analyserer Miles sikkerhedsforskning, hændelsesoffentliggørelser og implementeringer i den virkelige verden for at forstå, hvor AI styrker forsvar – og hvor det introducerer nye sårbarheder. Han lægger særlig vægt på modeludnyttelse, dataforgiftning, automatisering af angreb og de operationelle realiteter ved at sikre AI-drevne systemer i stor skala.

Artikler skrevet af Miles Okada er AI-genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre nøjagtighed, stringens og ansvarlig dækning af det hastigt skiftende AI-sikkerhedslandskab.