CodeWall lève 4 millions de dollars en pré-amorçage pour déployer des agents d’attaque autonomes dans la sécurité des entreprises

Une équipe de sécurité peut corriger une vulnérabilité tout en laissant à un attaquant une autre voie d’accès aux mêmes données. La question la plus difficile est de savoir si des faiblesses touchant différentes applications, identités et infrastructures peuvent être combinées pour mener une intrusion à bien.

CodeWall fonde son activité sur la recherche continue d’une réponse à cette question. La jeune pousse londonienne sort de sa phase de développement confidentiel avec un financement de pré-amorçage de 4 millions de dollars, mené par Osney Capital, avec la participation d’InReach Ventures, d’Antler et d’investisseurs providentiels, selon son annonce du 14 octobre.

L’entreprise développe des agents d’attaque autonomes qui abordent une entreprise depuis l’extérieur, sans identifiants, code source ni accès interne. Elle entend ainsi offrir aux équipes de défense un moyen continu de découvrir et de vérifier les chemins d’attaque exploitables avant qu’un acteur malveillant ne les emprunte.

Passer d’une liste de faiblesses à la preuve d’un chemin d’attaque

La vision technique de CodeWall repose sur l’adaptation d’une investigation à mesure que de nouveaux éléments apparaissent. L’entreprise estime que le manque de spécialistes en sécurité offensive et le caractère périodique des évaluations empêchent les organisations de tester efficacement des environnements qui évoluent entre deux interventions.

Dans son annonce, l’entreprise décrit des agents spécialisés qui mènent des investigations en parallèle et partagent leurs découvertes au moyen d’un graphe d’investigation persistant. Une découverte dans une application peut orienter l’examen, par l’agent suivant, d’un service, d’une identité ou d’un espace de stockage de données connecté. Le résultat attendu est un compte rendu indiquant ce qui peut être compromis, comment le chemin fonctionne et quels éléments étayent cette conclusion.

Concrètement, un graphe représente les liens entre les découvertes, au lieu de traiter chaque alerte comme un élément isolé. Un lien peut avoir plus d’importance que les faiblesses prises individuellement : une exposition à une frontière pourrait rendre un deuxième contrôle accessible. Cette explication décrit le principe architectural ; dans son annonce, CodeWall n’a pas divulgué suffisamment de détails sur sa mise en œuvre pour permettre d’évaluer comment son graphe traite les découvertes contradictoires ou valide chaque transition.

Le site web de l’entreprise indique que la plateforme cartographie les relations de confiance entre les services, les API et les infrastructures, adapte sa stratégie au cours des investigations et produit des preuves reproductibles de faisabilité. Il s’agit d’affirmations sur le produit. Leur intérêt pour une entreprise dépend de la capacité à produire des résultats reproductibles et pertinents dans son environnement.

Ce que révèle sa recherche sur McKinsey

CodeWall a déjà publié des recherches décrivant des faiblesses dans des plateformes exploitées par de grands cabinets de conseil. Son récit du 9 mars sur les tests menés sur la plateforme d’IA Lilli de McKinsey est particulièrement pertinent pour les entreprises qui connectent des applications d’IA à leurs connaissances internes.

Selon CodeWall, son agent a obtenu un accès en lecture et en écriture à la base de données de production en moins de deux heures. L’entreprise a attribué le point d’entrée à une interface dépourvue d’authentification et à une injection SQL liée à la manière dont étaient traités les noms des champs de requête. L’enjeu résidait dans l’accès aux données et à la configuration sous-jacentes de l’application, et non dans une défaillance du modèle de langage lui-même.

Les chercheurs ont également évoqué les conséquences possibles d’un accès en écriture aux instructions système stockées : la compromission de l’infrastructure d’une application pourrait permettre de modifier les instructions qui régissent les résultats d’IA considérés comme fiables. Il s’agit d’une conséquence potentielle décrite dans le rapport, et non d’une preuve que des consultants ont reçu des conseils manipulés.

CodeWall affirme avoir communiqué ses découvertes à McKinsey, limité l’accès à des fins de vérification et confirmé la correction des failles avant la publication. Ces détails proviennent du compte rendu de recherche du fournisseur ; ils ne doivent pas être interprétés comme la preuve d’une vulnérabilité persistante ni comme une évaluation comparative générale démontrant que ses agents surpassent les testeurs humains.

Les tests continus transforment les enjeux opérationnels

CodeWall indique que sa plateforme réexamine les systèmes à mesure que les applications évoluent, que de nouveaux actifs apparaissent ou que des correctifs sont déployés, dans le cadre d’un périmètre autorisé. Cela peut créer une boucle de rétroaction utile : repérer un chemin, corriger les faiblesses qui y contribuent, puis vérifier s’il fonctionne toujours.

Il est important de refaire les tests, car la clôture d’un ticket donné ne signifie pas nécessairement que le risque commercial initial a disparu. Un correctif peut bloquer une voie tout en en laissant une autre ouverte, ou un déploiement ultérieur peut annuler une correction antérieure.

Un précédent article de Unite.AI sur les tests d’intrusion et la remédiation autonomes explorait la même évolution vers une validation répétée. CodeWall met l’accent sur son point de départ externe et sur l’investigation coordonnée de systèmes connectés. Des objectifs commerciaux similaires n’impliquent pas des architectures d’agents ni des contrôles d’exécution identiques.

Des tests plus fréquents renforcent également l’importance des limites opérationnelles. Les entreprises qui évaluent une telle plateforme devraient définir les cibles et les actions autorisées, les règles de traitement des éléments de preuve, les procédures d’escalade ainsi que la possibilité d’interrompre une investigation. Il s’agit de critères d’évaluation, et non de capacités établies par l’annonce de financement de CodeWall.

Ce que le financement permettra de développer

Le fondateur et PDG Paul Price présente l’entreprise comme un moyen de faire des tests offensifs une capacité défensive permanente. CodeWall affirme aider déjà des banques et des établissements financiers à repérer et à vérifier des chemins d’attaque exploitables, même si l’annonce ne cite aucun client du secteur financier et ne fournit aucune mesure indépendante des performances.

Le financement servira à élargir l’éventail des environnements que les agents peuvent examiner, ainsi qu’à développer des processus continus de test, de vérification et de correction. L’entreprise prévoit également d’étoffer ses équipes spécialisées en sécurité offensive, en ingénierie, en réussite client et en développement commercial, à Londres.

Pour les acheteurs, il sera important de déterminer jusqu’où vont ces processus de correction. Produire des preuves et recommander une correction n’équivaut pas à apporter automatiquement une modification en production. L’annonce ne précise pas si CodeWall déploie elle-même les correctifs ; les entreprises devraient donc clarifier qui donne son approbation et qui procède à leur mise en œuvre.

La meilleure mesure des progrès sera la qualité des décisions de sécurité qui en résultent : des chemins reproductibles, une incidence claire sur l’activité, un traitement approprié des preuves sensibles et la confirmation que les mesures correctives éliminent bien l’exposition. Le tour de préamorçage de CodeWall lui donne les moyens de mettre en place ce modèle opérationnel. L’entreprise doit maintenant rendre les tests adversariaux continus suffisamment fiables pour qu’ils deviennent une pratique courante dans les grandes entreprises.