DeepKeep tilføjer runtime‑sikkerhedsforanstaltninger for AI‑kodningsagenter med AI Lens for Developers

DeepKeep har introduceret AI Lens for Developers, et sikkerhedslag designet til at give CISOs synlighed og politikstyring over AI‑kodningsagenter, der kører på udvikleres maskiner. Produktet udvider DeepKeeps eksisterende AI‑brugs‑kontrol og runtime‑beskyttelsesfunktioner til værktøjer såsom Cursor og Claude Code, med understøttelse af GitHub Copilot, OpenAI Codex, Lovable, Windsurf og yderligere kodningsagenter planlagt.

Lanceringen tackler et sikkerhedsproblem, der er skabt af den stigende autonomi i udviklingsværktøjer. Moderne kodningsagenter kan inspicere og ændre lokale filer, udføre shell‑kommandoer og påkalde eksterne tjenester via Model Context Protocol (MCP). Disse tilladelser gør værktøjerne nyttige, men de gør det også muligt for en agent at afsløre legitimationsoplysninger, ændre følsom kode eller interagere med systemer uden for de kontroller, som sikkerhedsteams traditionelt anvender på cloud‑applikationer.

Resultatet er et voksende synlighedsgab. En virksomhed kan godkende en kodningsassistent som et produkt, mens den har få beviser for, hvad en individuel agent gjorde i en bestemt session. Som Unite.AI for nylig undersøgte, Sikkerhedsteams har i stigende grad brug for at spore agentværktøjskald, kommandoeksekvering og systemændrende hændelser, ikke blot opretholde en liste over godkendte AI‑tjenester.

Inspektion af agenthandlinger før og efter udførelse

AI Lens for Developers er bygget som et letvægts‑plugin frem for en fuld endpoint‑agent. DeepKeep siger, at det kobler sig på kodnings‑agent‑arbejdsgangen for at inspicere prompts, fil‑læsninger, shell‑kommandoer og MCP‑værktøjskald før og efter de udføres. Hver aktivitet kan dirigeres gennem virksomhedens politiksystem for en tilladelse, blokering eller revisionsbeslutning.

Forskellen mellem overvågning før udførelse og efter udførelse er vigtig. Et revisionsspor kan forklare, hvorfor en hændelse indtraf, men det kan ikke forhindre en destruktiv kommando eller stoppe en hemmelighed i at forlade en udviklers miljø. DeepKeep positionerer AI Lens både som en forebyggende kontrol og som en kilde til beviser for hændelsesrespons og overholdelse.

Produktet kan flagge legitimationsoplysninger, adgangstokens og adgangskoder, der er inkluderet i prompts eller vedhæftede filer. Det undersøger også agent‑genereret kode for usikre mønstre, såsom funktioner der udelader godkendelse. Kommandoer, der vurderes som destruktive, kan holdes tilbage til menneskelig godkendelse, mens administratorer kan oprette brugerdefinerede nøglefrase‑regler for at identificere referencer til følsomme repositories, kodeafsnit eller interne projekter.

DeepKeep siger, at hver session genererer en detaljeret revisionspost, der kan indeholde enheds‑ID, prompt‑indhold og bruger‑ID. Det giver sikkerhedsteams mulighed for at rekonstruere en agents aktivitet, selvom en udvikler ændrer en blokeret anmodning og forsøger den igen.

Centralt politik for udvikler‑rettet AI

Administratorer administrerer regler gennem DeepKeeps Policy Hub. Politikker kan anvendes efter rolle eller på tværs af en organisation og kan dække kategorier såsom personligt identificerbare oplysninger, legitimationsoplysninger og destruktive kommandoer. Tilgangen er beregnet til at give virksomheder mulighed for at fastlægge en ensartet sikkerhedsposition, mens ingeniørteams kan fortsætte med at bruge agentbaserede udviklingsarbejdsgange.

Produktets fokus på MCP er særligt aktuelt. Protokollen giver AI‑applikationer en standardiseret måde at forbinde med værktøjer og virksomhedsdata, men hver server og kaldbar handling kan udvide en agents angribbare overflade. Unite.AIs guide til Model Context Protocol bemærker, at MCP‑værter og -servere udgør separate sikkerhedsgrænser, herunder eksponering for prompt‑injektion og upålideligt værktøjsoutput. Overvågning af kun modellen er derfor utilstrækkelig, når modellen kan handle gennem andre systemer.

Ofer Rotberg, DeepKeeps vicepræsident for produkt, argumenterer for, at kodningsagenter arver usædvanligt kraftig udvikleradgang, mens de handler med stigende autonomi. Efter hans mening har CISOs brug for kontinuerlig synlighed i agentadfærd og evnen til at stoppe skadelige handlinger i realtid i stedet for at vente på at undersøge den næste hændelse.

Del af en bredere AI‑sikkerhedsplatform

AI Lens for Developers er placeret inden for DeepKeeps bredere AI‑sikkerhedsplatform. Virksomheden tilbyder også en AI‑Firewall, automatiseret og menneskestyret AI‑red‑teamning, AI‑brugs‑kontroller, agent‑scanning og model‑scanning. DeepKeep siger, at deres kontroller kan anvendes på tværs af AI‑livscyklussen, fra udvikling og test til produktionsbrug af applikationer og agenter.

Virksomheden blev grundlagt i 2021 og beskriver sin platform som model‑agnostisk, med understøttelse af implementering i SaaS, private‑cloud, on‑premises og luft‑afskærmede miljøer. Dens bredere budskab er, at virksomheder har brug for et fælles politik‑sprog for modeller, applikationer, medarbejdere og autonome agenter i stedet for separate kontroller for hvert AI‑værktøj.

For CISOs bliver udvikler‑rettede agenter et presserende test af denne idé. Traditionel applikationssikkerhed fokuserer stærkt på den kode, der når produktion. Kodningsagenter tilføjer et yderligere risikoniveau: processen, der læser repository‑et, genererer koden og udfører kommandoer, kan selv være autonom. Produkter såsom AI Lens forsøger at gøre denne proces observerbar og håndhævelig uden at fjerne de hastighedsgevinster, der fik udviklere til at adoptere agenter i første omgang.