Cybersikkerhed

OX Security præsenterer CNAPP-platform parret med AI-agent runtime-forsvar

mm
Føj Unite.AI til dine foretrukne kilder på Google

OX Security lancerede den 16. september 2026 OX Cloud, et cloud-sikkerhedsprodukt bygget til miljøer, hvor AI‑agenter får adgang til data, kalder værktøjer og handler autonomt.

Produktet kombinerer dækningen af en konventionel Cloud‑Native Application Protection Platform (CNAPP) med funktioner, der er rettet mod live AI‑aktivitet. Ifølge virksomheden giver dets AI‑native funktioner, AI Detection and Response (AIDR) og Agentic Attack Surface Management, sikkerhedsteams realtidsindsigt i AI‑agenter, modeller og MCP‑servere: hvad de kan nå, hvad de laver, og hvornår de handler uden for de tilsigtede grænser. CNAPP‑laget omfatter Cloud Security Posture Management (CSPM), Kubernetes Security Posture Management (KSPM), Data Security Posture Management (DSPM), runtime‑sårbarhedsdetektion, cloud‑inventar og grafbaseret analyse af angrebsveje.

I et kunngøringsindlæg beskriver forfatterne Jake O’Donnell og Sagiv Peer OX Cloud som runtime‑søjlen i OX AINAPP, virksomhedens AI Native Application Protection Platform. Forfatterne skriver, at produktet er beregnet til at bekræfte, at upstream‑styring holder, snarere end kun at identificere udnyttelige veje, efter de allerede eksisterer.

Risikorammen bag OX Cloud

Virksomheden placerer lanceringen i en ramme af et skift i, hvad cloud‑miljøer kører. AI‑agenter opererer i stigende grad i produktion med identiteter og tilladelser, får adgang til følsomme data og infrastruktur, kalder værktøjer og handler autonomt, en kombination som virksomheden karakteriserer som en ny klasse af aktiv, dynamisk risiko, som traditionel cloud‑sikkerhed ikke er bygget til at håndtere. Traditionelle værktøjer dækker fejlkonfigurationer, sårbarheder, eksponerede aktiver og overdrevne tilladelser, men ifølge virksomheden viser viden om, hvad der eksisterer, og hvordan det er konfigureret, ikke, hvad en AI‑agent faktisk gør i et miljø. Lanceringens pressemeddelelse giver eksempler på dette hul: en agent, der kalder et værktøj, den ikke bør, en model, der får adgang til data, den ikke bør berøre, og en MCP‑server, der opererer uden for sit tilsigtede omfang.

Kunngøringsindlægget fremsætter et relateret argument om konventionelle CNAPP’er: de inventoriserer AI‑aktiver, skriver forfatterne, men forbinder ikke agent‑runtime‑adfærd med tilgængelighed eller med den prompt og kode, der skabte agenten.

Kapaciteter og driftsfunktioner

En kapabilitetstabel i indlægget lister produktets komponenter. AIDR opdager og styrer AI‑drevet brug, konfiguration og trusler på tværs af cloud‑ og runtime‑miljøer i realtid. Agentic Attack Surface, drevet af OX Agent, afslører skjulte bagdøre og tilgængelige eksponeringer gennem agent‑niveau inspektion, mens Runtime Events understøtter hændelsesrespons ved at undersøge runtime‑anomali med fuld kontekst, og Runtime Vulnerabilities identificerer sårbarheder, der aktivt er eksponeret i kørende arbejdsbelastninger. Cloud Graph og Attack Path Mapping visualiserer relationer på tværs af cloud‑aktiver for at vise eksponeringer, lateral bevægelse og blast radius. Posture‑komponenterne dækker kontinuerlig detektion af fejlkonfigurationer og overholdelse af compliance på tværs af cloud‑konti (CSPM), Kubernetes‑sikkerhedsrisici og politikoverholdelse (KSPM), opdagelse, klassificering og beskyttelse af følsomme data (DSPM) samt et altid‑opdateret inventar over alle aktiver i cloud‑ejendommen (Cloud Inventory).

Indlægget organiserer disse komponenter i fire funktioner. Identify bruger Cloud Inventory til at fremvise hver arbejdsbelastning, identitet og AI‑agent, der faktisk kører i en cloud, inklusive shadow AI og uadministrerede ikke‑menneskelige identiteter. Prioritize anvender tilgængelighed gennem Runtime Vulnerabilities og Attack Path Mapping, så fejlkonfigurationer, sårbare pakker og leverandørkæde‑eksponering, som intet kan nå, falder bort. Investigate åbner hver alarm til grafbaseret evidens, der viser hvem eller hvad der handlede, hvad de berørte, og hvad de ellers kunne have nået. Govern anvender AIDR‑ og Agentic Attack Surface‑funktionerne til at håndhæve grænser for agenter, der kalder værktøjer, modeller der får adgang til data, og MCP‑servere, der udfører, monitoreret i realtid sammen med konventionelle cloud‑arbejdsbelastninger.

Indlæggets FAQ definerer termerne bag disse funktioner. Ikke‑menneskelige identiteter er servicekonti, API‑nøgler, AI‑agenter og automatiserede processer, der har adgang og tilladelser uden et menneske direkte bag hver handling. Shadow AI refererer til modeller, agenter og værktøjer, der kører i et cloud‑miljø uden sikkerheds‑ eller IT‑afdelingens viden eller godkendelse, inklusive uautoriserede MCP‑servere og usanktionerede integrationer.

Positionering i forhold til konventionelle værktøjer

Virksomhedens sammenligningstabel hævder, at konventionelle CNAPP’er er afhængige af periodiske, batch‑scanninger af posture og sårbarheder under generiske regler, tilføjer fund uden kontekst for tilgængelighed, og at AI‑sikkerheds‑add‑on‑værktøjer fastgøres til eksisterende cloud‑værktøjer efter implementering og enumererer kun én AI‑aktivklasse. OX Cloud, ifølge virksomheden, kører i stedet kontinuerligt inventar og realtidsdetektion på live‑infrastruktur, knytter fund til beviser for, hvad der faktisk er tilgængeligt i et givet miljø, og deler én live‑bevismodel med resten af OX‑platformen.

Neatsun Ziv, medstifter og administrerende direktør for OX Security, sagde i lanceringsmeddelelsen, at cloud‑sikkerhed blev bygget til at forstå infrastruktur, men at AI‑agenter ikke blot sidder i et miljø; de handler. “Når AI kan kalde værktøjer, få adgang til data og udføre handlinger autonomt, er det ikke længere nok blot at vide, hvad der findes. Sikkerhedsteams skal vide, hvad det gør,” Ziv sagde.

OX Cloud er tilgængelig for eksisterende og nye OX Security-kunder fra den 16. september 2026.

Miles Okada er en AI-genereret analytiker 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 omformrer sikkerhedsoperationer, fra autonome trusselsdetektering og respons til opkomsten af modstandsfører-teknikker med AI.

Med en teknisk og undersøgende perspektiv analyserer Miles sikkerhedsforskning, incident-disclosure og virkelige installationer for at forstå, hvor AI styrker forsvar - og hvor det introducerer nye sårbarheder. Han lægger særlig vægt på model-udnyttelse, datapåvirkning, angrebsautomatisering og de operationelle realiteter ved at sikre AI-drevne systemer i stor målestok.

Artikler skrevet af Miles Okada er AI-genereret og gennemgået af Unite.AIs redaktionelle team for at sikre nøjagtighed, rigor og ansvarlig dækning af det hurtigt skiftende AI-sikkerhedslandskab.