DeepKeep aggiunge barriere di sicurezza runtime per gli agenti di programmazione AI con AI Lens for Developers

DeepKeep ha introdotto AI Lens for Developers, uno strato di sicurezza progettato per fornire ai CISOs visibilità e controllo delle policy sugli agenti di programmazione AI che operano sui computer degli sviluppatori. Il prodotto estende le attuali capacità di controllo dell’uso dell’AI e di protezione runtime di DeepKeep a strumenti come Cursor e Claude Code, con supporto per GitHub Copilot, OpenAI Codex, Lovable, Windsurf e ulteriori agenti di programmazione previsti.

Il lancio affronta un problema di sicurezza generato dalla crescente autonomia degli strumenti per sviluppatori. Gli agenti di programmazione moderni possono ispezionare e modificare file locali, eseguire comandi shell e invocare servizi esterni tramite il Model Context Protocol (MCP). tali autorizzazioni rendono gli strumenti utili, ma consentono anche a un agente di esporre credenziali, modificare codice sensibile o interagire con sistemi al di fuori dei controlli che i team di sicurezza tradizionalmente applicano alle applicazioni cloud.

Il risultato è un divario di visibilità in crescita. Un’azienda può approvare un assistente di programmazione come prodotto pur avendo poche prove di ciò che un singolo agente ha fatto durante una sessione specifica. Come ha recentemente esplorato Unite.AI, i team di sicurezza hanno sempre più bisogno di tracciare le chiamate agli strumenti degli agenti, l’esecuzione di comandi e gli eventi che modificano il sistema, non semplicemente mantenere un elenco di servizi AI approvati.

Ispezione delle azioni dell’agente prima e dopo l’esecuzione

AI Lens for Developers è realizzato come plug-in leggero anziché come agente endpoint completo. DeepKeep afferma che si integra nel flusso di lavoro dell’agente di programmazione per ispezionare i prompt, le letture di file, i comandi shell e le chiamate agli strumenti MCP prima e dopo la loro esecuzione. Ogni attività può essere indirizzata attraverso il sistema di policy dell’azienda per una decisione di consentire, bloccare o audit.

La distinzione tra monitoraggio pre-esecuzione e post-esecuzione è importante. Un registro di audit può spiegare perché si è verificato un incidente, ma non può impedire un comando distruttivo né fermare la fuoriuscita di un segreto dall’ambiente dello sviluppatore. DeepKeep posiziona AI Lens sia come controllo preventivo sia come fonte di prove per la risposta agli incidenti e la conformità.

Il prodotto può segnalare credenziali, token di accesso e password inclusi nei prompt o nei file allegati. Esamina inoltre il codice generato dall’agente alla ricerca di pattern insicuri, come funzioni che omettono l’autenticazione. I comandi giudicati distruttivi possono essere trattenuti per l’approvazione umana, mentre gli amministratori possono creare regole personalizzate basate su parole chiave per identificare riferimenti a repository sensibili, sezioni di codice o progetti interni.

DeepKeep afferma che ogni sessione genera un registro di audit dettagliato che può includere l’ID del dispositivo, il contenuto del prompt e l’ID utente. Questo fornisce ai team di sicurezza un modo per ricostruire l’attività di un agente anche se uno sviluppatore modifica una richiesta bloccata e la riprova.

Policy centrale per l’AI rivolta agli sviluppatori

Gli amministratori gestiscono le regole tramite il Policy Hub di DeepKeep. Le policy possono essere applicate per ruolo o a livello organizzativo e possono coprire categorie tra cui informazioni personali identificabili, credenziali e comandi distruttivi. L’approccio è concepito per consentire alle aziende di stabilire una postura di sicurezza coerente, permettendo al contempo ai team di ingegneria di continuare a utilizzare flussi di lavoro di sviluppo basati su agenti.

L’attenzione del prodotto sull’MCP è particolarmente tempestiva. Il protocollo fornisce alle applicazioni AI un modo standard per connettersi a strumenti e dati aziendali, ma ogni server e azione invocabile può ampliare la superficie di attacco raggiungibile da un agente. La guida al Model Context Protocol di Unite.AI osserva che gli host e i server MCP costituiscono confini di sicurezza distinti, includendo l’esposizione a iniezioni di prompt e output di strumenti non attendibili. Il monitoraggio del solo modello è quindi insufficiente quando il modello può agire attraverso altri sistemi.

Ofer Rotberg, vicepresidente prodotto di DeepKeep, sostiene che gli agenti di programmazione ereditano un accesso allo sviluppatore insolitamente potente agendo con crescente autonomia. Dal suo punto di vista, i CISOs hanno bisogno di una visibilità continua sul comportamento degli agenti e della capacità di fermare azioni dannose in tempo reale, anziché attendere di indagare sul prossimo incidente.

Parte di una piattaforma di sicurezza AI più ampia

AI Lens for Developers si colloca all’interno della più ampia piattaforma di sicurezza AI di DeepKeep. L’azienda offre inoltre un AI Firewall, red teaming AI automatizzato e guidato da umani, controlli sull’uso dell’AI, scansione di agenti e scansione di modelli. DeepKeep afferma che i suoi controlli possono essere applicati lungo l’intero ciclo di vita dell’AI, dallo sviluppo e test fino all’uso in produzione di applicazioni e agenti.

L’azienda è stata fondata nel 2021 e descrive la sua piattaforma come indipendente dal modello, con supporto per il deployment in ambienti SaaS, private cloud, on-premise e air-gapped. Il suo messaggio più ampio è che le imprese necessitano di un linguaggio di policy comune per modelli, applicazioni, dipendenti e agenti autonomi, anziché controlli separati per ogni strumento AI.

Per i CISOs, gli agenti rivolti agli sviluppatori stanno diventando una prova urgente di questa idea. La sicurezza delle applicazioni tradizionale si concentra fortemente sul codice che arriva in produzione. Gli agenti di programmazione aggiungono un ulteriore livello di rischio: il processo che legge il repository, genera il codice e esegue i comandi può essere autonomo. Prodotti come AI Lens cercano di rendere quel processo osservabile e applicabile senza eliminare i vantaggi di velocità che hanno spinto gli sviluppatori ad adottare gli agenti fin dall’inizio.