Cybersikkerhed

Incodes Know Your Agent styrer adgangen for kunders AI-agenter

Miles Okada
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterKnow Your Agent binder hver AI-agent til en verificeret person og et afgrænset mandat…
Vis mere
  • Know Your Agent binder hver AI-agent til en verificeret person og et afgrænset mandat, før den handler.
  • Alene detektion kan ikke skelne en kundes agent fra en angribers, fordi begge fremviser identiske legitimationsoplysninger.
  • En agent, der blokeres hos én organisation, er allerede markeret, når den når en anden.

Incode lancerede Know Your Agent den 17. november 2026 og gjorde identitetsproduktet straks tilgængeligt for virksomheder, der vil give kunders AI-agenter adgang, begrænse deres adgang eller blokere dem og spore deres handlinger tilbage til en identitetsverificeret person. Det fungerer på tværs af betalingsinfrastrukturer og udbydere af AI-agenter.

Lanceringen retter sig mod et hul i adgangskontrollen. Ifølge Incodes produktdokumentation kan en kundes agent og en angribers agent bruge de samme legitimationsoplysninger, den samme enhed og IP-adresse og udvise den samme adfærd ved login. Hvis man blokerer alle agenter, risikerer man at afvise legitime kundeaktiviteter, mens man ved at give alle agenter adgang risikerer at lukke svindel ind. Know Your Agent skal tilvejebringe de manglende oplysninger: hvem der har sendt agenten, og hvad vedkommende har givet den tilladelse til.

»En agent uden et menneske bag sig er en fremmed med din kundes adgangskode,« sagde Ricardo Amper, Incodes grundlægger og administrerende direktør. Incode oplyser, at en agent uden en verificeret person bag sig stoppes, før den kan handle, mens en verificeret kundes agent kan arbejde inden for de tilladelser, den har fået.

Sådan kontrollerer Know Your Agent hver handling

Dokumentationen opdeler Know Your Agent i fem moduler: Agent Detection, Agentic Identity, Agent Access Management, Agent Monitoring og Agent Audit. Hvert modul kan køre selvstændigt eller indgå i den samlede pakke, så et eksisterende signal fra detektionsfunktionen kan føres videre til de øvrige funktioner.

Agent Detection undersøger deklarerede agentheadere og signerede forespørgsler sammen med oplysninger om sessionsvarighed, navigation, browseradfærd og automatiseringsmønstre. Når signalerne tyder på, at der er tale om en agent, kan en kontrol af personens tilstedeværelse i realtid fastslå, om et menneske er til stede. Virksomheden kan derefter registrere agenten, kræve, at personen selv verificerer sig, eller blokere agenten. Processen skal også identificere agenter, der ikke tilkendegiver, hvem de er.

Når en kunde har gennemført en engangsverificering i realtid og givet sit samtykke, knytter Agentic Identity hver agent til personen og til et mandat, der fastlægger agentens anvendelsesområde, beløbsgrænse og varighed. Virksomheden fastsætter mandatet, kunden kan indskrænke det, og agenten kan ikke selv udvide det.

Før en handling udføres, kontrollerer Agent Access Management, at agenten er registreret, at dens mandat er gyldigt, at personen bag den er verificeret, og at handlingen ligger inden for de givne tilladelser. Hvis en grænse overskrides, kan det kræve personens godkendelse i realtid. Kunden kan også straks tilbagekalde en agents adgang, så ventende handlinger standses, samtidig med at registreringen bevares.

Agent Monitoring leder efter kompromitterede agenter eller agenter, der handler i strid med deres mandat, ved at analysere mønstre på tværs af sessioner og organisationer. Incode oplyser, at en agent, der er blevet blokeret hos én organisation, allerede markeres, når den når frem til en anden. Agent Audit opretholder et manipulationssikret spor med oplysninger om handlingen, personen, mandatet og dokumentationen. Dermed får en transaktion, der bliver draget i tvivl, en navngiven godkender og en registrering af, hvilken tilladelse den blev udført under.

Pakken er udviklet til at fungere med eksisterende agent- og betalingsprotokoller, så virksomhederne ikke behøver at vælge én bestemt agentplatform. Incode nævner Model Context Protocol, Agent2Agent, Agent Payments Protocol og Web Bot Auth blandt de kompatible standarder samt agentprogrammer fra kortnetværk. Protokollerne kan overføre agentens legitimationsoplysninger; Know Your Agent føjer oplysninger om den verificerede person og mandatet bag handlingen til.

Identitetskontrol baseret på offentlige registre

Laget til verificering af personer bygger på Deepsights kontroller af, om personen er fysisk til stede, TrustGraphs identitetshistorik på tværs af deltagende institutioner og GovFaceMatch. Incodes dokumentation for GovFaceMatch beskriver en arbejdsgang, hvor brugeren scanner stregkoden på bagsiden af et offentligt udstedt id og tager en selfie i realtid. Systemet sammenligner derefter selfien med køretøjsmyndighedens register i den udstedende delstat i realtid.

Incode oplyser, at ansigtsgenkendelsesmotoren i GovFaceMatch kører i DMV’s infrastruktur, og at portrætbilleder aldrig forlader dette miljø. Virksomheden oplyser også, at der ikke gemmes biometriske data, og at der ikke deles personhenførbare oplysninger fra offentlige myndigheder under sammenligningen.

Incode nævner J.P. Morgan, Wells Fargo, Experian og Chime som designpartnere og oplyser, at virksomhedens bredere identitetsplatform bruges af mere end 800 organisationer. Blandt dem er ni af de 10 største banker i USA, otte af de ni største teleselskaber i USA og fire af de fem største globale markedspladser.

Fra tidlig adgang til en bredere produktpakke

Know Your Agent bygger videre på Agentic Identity, der blev annonceret den 27. oktober 2025. Det tidligere produkt blev tilbudt gennem et program med tidlig adgang, og pilotprogrammerne begyndte i fjerde kvartal 2025. Det omfattede allerede agentregistrering, tilknytning af agenter til verificerede mennesker, afgrænset samtykke via kryptografiske identitetstokens og løbende overvågning af adfærd.

I den nye produktarkitektur er Agentic Identity specifikt det modul, der knytter en agent til personen bag den og til dennes mandat. Modulet indgår i en pakke, hvor registrering, adgangsstyring, overvågning og revision er opdelt i selvstændige komponenter. Dermed bliver arbejdet fra den tidligere løsning med tidlig adgang til et produkt, der er tilgængeligt med det samme.

For virksomheder, der skal afveje kunders adgang mod risikoen for svindel, er den centrale pointe, at detektion kun er den første beslutning. Incodes model knytter adgang til en verificeret person, et afgrænset mandat, godkendelse i realtid af undtagelser, tilbagekaldelse og et revisionsspor. Dermed er den menneskelige godkendelse bag en agent lige så afgørende som de legitimationsoplysninger, den har med sig.

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.