Harness julkaisee AI-agentit haavoittuvuuksien skannaamiseen, priorisointiin ja korjaamiseen koneen nopeudella

Harness, San Franciscosta kotoisin oleva ohjelmistotoimitusalusta, lanseerasi AI‑turva‑agenttisarjan 19. elokuuta 2026 — AI‑SAST, agenttipohjainen priorisointi ja korjaus, omistettu Zero-Day‑agentti sekä virtuaalinen korjaus — jonka tarkoituksena on tiivistää haavoittuvuuden löytämisen ja korjauksen toimittamisen välinen aika viikoista tunteihin.

Myyntiviesti perustuu puolustajien menettämään asymmetriaan. Harnessin insinööriartikkeli, jossa lanseeraus kerrotaan viittaa Edgescanin 2026 haavoittuvuustilasto-raportin keskimääräiseen 55 päivän korjausaikaan, kun taas hyökkääjien aikataulut (Zero Day Clock -seurannassa) ovat saavuttaneet ensimmäisen hyväksikäytön jo kuusi tuntia julkistuksen jälkeen. Vaikka korjaus on kirjoitettu, 2025 DORA -raportti asettaa commit‑to‑production -ajan yli viikoksi. Puolustajat sulkevat tunteina mitattavan ikkunan viikkoja kestävällä prosessilla.

Frontier‑mallit painavat nyt molemmilta puolilta tätä kuilua. LLM‑pohjainen skannaus tuo esiin paljon enemmän löydöksiä kuin perinteinen staattinen analyysi — Anthropicin Project Glasswing -kumppanit, jotka saavat turvallisuuskumppaneilleen pääsyn Claude Mythos Preview -malliin kriittisen ohjelmiston haavoittuvuuksien etsimiseksi, havaitsivat testauksessa noin kymmenen kertaa enemmän haavoittuvuuksia. Mutta näkyvyys ilman käsittelyä on vain suurempi takapakki: Comcast, Glasswing‑osallistuja, havaitsi, että 44 % sen kriittisistä ja korkean vakavuuden LLM‑löydöksistä oli väärä positiivi, ja vain 36 % kriittisistä ja 33 % korkean vakavuuden löydöksistä oli vahvistetusti hyödynnettävissä.

“Olemme pisteessä, jossa samat AI‑mallit, jotka auttavat asiakkaitamme toimittamaan ohjelmistoja nopeammin, ovat myös niitä, joita hyökkääjät käyttävät haavoittuvuuksien löytämiseen ja hyödyntämiseen nopeammin”, sanoi Rahul Sood, Harnessin sovellusturvallisuuden johtaja, yrityksen tiedotteessa. “Ainoa tapa sulkea tämä kuilu on tehdä turvallisuudesta ensiluokkainen osa toimitusputkea itse.”

Mitä agentit oikeasti tekevät

Skannauskerros jakaa tarkoituksellisesti erotus deterministisen ja probabilistisen analyysin välillä, mikä on merkittävä suunnittelupäätös ottaen huomioon alan nykyinen innostus kohdistaa LLM‑mallit koodikantoihin. Harnessin AI‑SAST yhdistää deterministisen datavirta‑moottorin AI‑luottamuskerrokseen, joka luokittelee jokaisen löydön vahvistetuksi riskiksi, mahdolliseksi riskiksi tai kontekstuaalisesti turvalliseksi. Yrityksen oma vertailu OWASP Java -korpuksen kanssa väittää, että kerros vähensi väärien positiivien määrää 79 % (454 → 95) ja nosti tarkkuuden 74 %:sta 93 %:iin säilyttäen 91 %:n palautuksen. Insecure direct object reference -tapauksessa (rikkinäinen käyttöoikeuksien hallintaluokka, jota datavirta‑analyysi ei rakenteellisesti näe, koska ei ole virheellistä syötettä malliin), Harness väittää 71 %:n palautuksen 99 %:n tarkkuudella 390‑tapauksen korpuksessa Go‑, Java‑ ja Python‑kielissä. Nämä ovat toimittajan itse raportoimia mittareita, mutta perusargumentti on soundi: probabilistinen skanneri, joka antaa eri löydöksiä samasta koodista kahdessa eri skannauksessa ja veloittaa jokaisesta tokenilla, ei sovi jatkuvaan CI/CD‑portinvartijaan. Harness sen sijaan asettaa LLM‑skannauksen kertaluontoiseen metsästykseen ja tarjoaa LLM‑skannausorkestrointia tiimeille, jotka haluavat ajaa omia LLM‑skannereitaan natiivisti putkessa.

Jälkikäteen Triage‑agentti priorisoi löydökset yhdistämällä CVSS‑, EPSS‑ ja saavutettavuusanalyysin: Harness seuraa nyt kutsupolkuja tiettyyn haavoittuvaan funktioon, joten riippuvuus merkitään vain, jos juuri tuo funktio on saavutettavissa. Remediation‑agentti kirjoittaa sitten korjauksen, validoi sen putkessa estäen rakennusten rikkoutumisen, ja avaa ihmisen tarkistaman pull‑requestin. Kehittäjillä säilyy yhdistämisoikeus.

Zero-Day‑agentti on juuri kuuden tunnin ongelmaan kohdistuva komponentti. Se valvoo uusia julkaistuja zero‑day‑haavoittuvuuksia, tunnistaa jokaisen vaikuttavan artefaktin ja putken asiakkaan ympäristössä (yrityksen mukaan räjähdysalueen kartoitus supistuu päivistä sekunneiksi) ja tuottaa validoidun korjauksen valmiina tarkistettavaksi, ohittaen täysin priorisointijonon. Virtuaalinen korjaus kattaa jäljelle jäävän ikkunan: kun API‑testaus löytää haavoittuvuuden, Harness ottaa käyttöön suojasäännön web‑sovelluksessaan ja API‑suojauskerroksessaan ilman koodimuutoksia, suojaten tuotannon minuuteissa kunnes pysyvä korjaus on kirjoitettu, ja poistaa korjauksen, kun korjaus on julkaistu.

Kaikki kuusi ominaisuutta ovat nyt saatavilla Harness‑alustassa, ja korjaus‑ sekä zero‑day‑agentit toimivat putken olemassa olevan hallinnan päällä: politiikkaportit, hyväksynnät ja jokaisen artefaktin hallintaketju.

Harnessin tie kohti agenttipohjaista sovellusturvallisuutta

Lanseeraus jatkaa turvallisuuskaarta, joka alkoi, kun Harness yhdistyi API‑turvallisuusyritys Traceableen helmikuussa 2025 – sopimus, jossa Traceable‑yhtiön perustaja Sanjay Nagaraj sai vastuulleen yhdistyneen yrityksen sovellusturvallisuusliiketoiminnan. Heinäkuussa 2026 yritys julkaisi Agent DLC:n, hallintakerroksen AI‑agenttien kehityskaarelle: perus‑skannaus, AI‑materiaalilista, agenttien tunnistus ja AI‑palomuuri, joka toteuttaa politiikkaa prompt‑injektiota ja työkalujen väärinkäyttöä vastaan ajon aikana. Muutamaa päivää myöhemmin se laajensi Kong‑kumppanuuttaan viedäkseen AI‑tunnistuksen ja suojauksen Kongin AI‑Gatewayhin, inventoiden jokaisen mallin, MCP‑palvelimen ja sen kautta reititetyn työkalun.

Unite.AI on seurannut samaa kiihtyvyyttä hyökkäyspuolella, Claude:n muuttaessa kyber‑benchmarkin kolmiksi todelliseksi tunkeutumiseksi ja IBM:n havainnoista, jonka mukaan AI:lla oli rooli yhdessä neljästä haitallisesta tietomurrosta, sekä puolustuspäässä OpenAI:n Daybreak‑kyberturvallisuusmallien saapuminen Amazon Bedrockiin. Harnessin veto on, että korjausputki, ei pelkästään havaitseminen, on se kohta, jossa koneen nopeus seuraavaksi täytyy toteutua.

Se, ansaitsevatko agentit omien korjaustensa kirjoittaminen yritysluottamuksen, riippuu niiden ympärillä olevasta validointirungosta, oppitunti, joka vahvistui, kun Copilot Autofix avasi shell‑injektion Snowflake:n CI/CD‑putkessa. Harnessin vastaus on arkkitehtoninen: agentit ehdottavat, putki validoi ja ihminen yhdistää.