Cybersikkerhed

Mitiga lancerer agentfri sikkerhed til virksomheders AI-agenter

Miles Okada
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterMitiga opdager misbrug af agenter gennem adfærdsmæssige baselines i stedet for at…
Vis mere
  • Mitiga opdager misbrug af agenter gennem adfærdsmæssige baselines i stedet for at blokere handlinger, før de opstår.
  • Dækningen er begrænset af, hvilke cloud-SaaS-identitets- og AI-logs der eksponerer agentaktivitet.
  • Platformen rekonstruerer tidligere agentaktivitet ud fra opbevarede logs uden at kræve ændringer i agentkoden.

Mitiga lancerede sikkerhed for AI-agenter den 19. november 2026 og gjorde straks den agentløse platform tilgængelig. Den er udviklet til at finde og overvåge AI-agenter på tværs af cloud-, software-som-en-tjeneste- (SaaS-) og identitetssystemer og derefter begrænse mistænkelig aktivitet via kundernes eksisterende sikkerhedsintegrationer.

Agenter kan læse data, kalde API’er, ændre poster og aktivere andre agenter ved hjælp af tjenestekonti, OAuth-tilladelser, API-tokens, arbejdsbelastningsidentiteter eller delegerede sessioner. Medstifter og teknologidirektør Ofer Maor beskrev det synlighedsproblem, der opstår: »En agent behøver ikke bryde ind, når den allerede har adgangsoplysningerne. I revisionsloggen ser det ud som et gyldigt login.«

Adfærdsbaseret detektion på tværs af virksomhedssystemer

Platformen fastlægger normal adfærd for de systemer, agenterne tilgår, de handlinger, de udfører, og de identiteter, de bruger. Den sammenholder den aktuelle aktivitet med tilladelser og statisk konfiguration for at afdække ændringer i rettighedsniveauer og uautoriseret adgang og sammenstiller derefter cloud-, SaaS-, identitets- og AI-aktivitet i én samlet hændelsesregistrering. Activity Flow kortlægger brugere og ikke-menneskelige identiteter gennem AI-platforme og forbindelser til de applikationer, de har tilgået.

Der kræves ingen gateway, SDK, proxy eller kodeændring i selve agenten. Mitiga arbejder i stedet med logfiler og API’er, som de understøttede platforme allerede genererer, så løsningen kan implementeres uden for agentens eksekveringssti. Opbevarede logfiler kan også bruges til at undersøge agentaktivitet, der fandt sted, før platformen blev implementeret.

Dækning og oplyst driftsomfang

Dækningen omfatter internt udviklede agenter baseret på tjenester som Bedrock og Azure AI Foundry, godkendte leverandøragenter, der er forbundet via OAuth-tilladelser, samt kodeassistenter tilknyttet medarbejdere, personlige AI-værktøjer og ikke-gennemgåede MCP-servere eller færdigheder. Mitigas fire navngivne scenarier er kompromittering af tredjepartsagenter, internt udviklede agenters overskridelse af deres beføjelser, trusler mod forsyningskæden for kodeagenter og MCP samt kaskadehandlinger, hvor én kompromitteret agent udløser værktøjer, tjenester eller andre agenter.

Til risici mod forsyningskæden for kodeagenter kontrollerer den gratis Skillgate-scanner færdigheder og MCP-servere for skjulte instruktioner eller veje til at stjæle adgangsoplysninger, før en agent handler. Hvis agenten allerede har kørt, rekonstruerer Mitiga, hvad udviklerens adgangsoplysninger efterfølgende blev brugt til.

Mitiga oplyser tre driftsnøgletal: 95 % af arbejdsgangene i sikkerhedsoperationscentre automatiseres, 100 % af alarmerne triageres med en efterprøvbar afgørelse, og der går under tre minutter fra indsamling af hændelsesdata via triage til en reaktion, der kan iværksættes. Den underliggende Cloud Security Data Lake normaliserer telemetri fra mere end 50 platforme og opbevarer den i mere end 1.000 dage.

Telemetri og integrationer sætter grænserne

Produktdokumentationen skelner udtrykkeligt mellem Mitiga og en inline-beskyttelsesmekanisme: Den blokerer ikke en handling, før den finder sted. Registreringsforsinkelsen afhænger af telemetrikilden, og dækningen er begrænset til agenter, hvis handlinger fremgår af understøttede cloud-, SaaS-, identitets- eller AI-kilder.

Signaler på promptniveau er kun tilgængelige, når logfiler fra understøttede platforme viser dem, herunder logfiler fra Bedrock, Azure OpenAI, Agentforce og Copilot. Uden denne indsigt registrerer Mitiga den efterfølgende adfærd.

Understøttede reaktioner omfatter tilbagekaldelse af et token eller en session, at sætte en identitet i karantæne og at rulle en ændring tilbage via kundernes integrationer. Muligheden for at rulle tilbage afhænger af, hvad den enkelte integration understøtter. For virksomheder, der implementerer platformen, er logdækning og integrationsunderstøttelse derfor en del af dens effektive sikkerhedsgrænse: De afgør, hvor Mitiga kan undersøge en agents aktivitet, og hvilke inddæmningshandlinger der er tilgængelige.

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.