Financiering

CodeWall haalt $4 miljoen aan pre-seedfinanciering op om autonome aanvalagenten naar de bedrijfsbeveiliging te brengen

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Conceptual illustration of autonomous security agents tracing attack paths through an enterprise network.

Een beveiligingsteam kan een kwetsbaarheid verhelpen en een aanvaller toch een andere route naar dezelfde gegevens laten. De moeilijkere vraag is of zwakke plekken in applicaties, identiteiten en infrastructuur kunnen worden gecombineerd tot een werkende inbraakroute.

CodeWall bouwt zijn bedrijf op rond het voortdurend beantwoorden van die vraag. De Londense startup is uit stealthmodus gekomen met 4 miljoen dollar aan pre-seedfinanciering, geleid door Osney Capital, met deelname van InReach Ventures, Antler en angel-investeerders, aldus de aankondiging van 14 oktober.

Het bedrijf ontwikkelt autonome aanvalagenten die een onderneming van buitenaf benaderen, zonder inloggegevens, broncode of interne toegang nodig te hebben. Het wil verdedigers een doorlopende manier bieden om misbruikbare aanvalsroutes te ontdekken en te verifiëren voordat een kwaadwillende actor ze benut.

Van een lijst met zwakke plekken naar bewijs van een aanvalspad

De technische visie van CodeWall draait om het aanpassen van een onderzoek zodra er nieuw bewijs beschikbaar komt. Het bedrijf stelt dat organisaties door een tekort aan expertise op het gebied van offensieve beveiliging en periodieke evaluaties moeite hebben om een omgeving te testen die tussen opdrachten door verandert.

In de aankondiging beschrijft het bedrijf hoe gespecialiseerde agenten parallel onderzoek doen en ontdekkingen delen via een blijvende onderzoeksgraaf. Een bevinding in de ene applicatie kan de volgende agent helpen bij het onderzoeken van een gekoppelde dienst, identiteit of gegevensopslag. Het beoogde resultaat is een verslag van wat kan worden gecompromitteerd, hoe de aanvalroute werkt en welk bewijs die conclusie ondersteunt.

In de praktijk geeft een graaf de relaties tussen bevindingen weer, in plaats van elke waarschuwing als een op zichzelf staand gegeven te behandelen. Een verband kan belangrijker zijn dan de afzonderlijke zwakke plekken: blootstelling aan de ene kant kan een tweede beveiligingsmaatregel bereikbaar maken. Deze uitleg beschrijft het architecturale idee; CodeWall heeft in de aankondiging onvoldoende implementatiedetails bekendgemaakt om te beoordelen hoe de graaf tegenstrijdige bevindingen met elkaar in overeenstemming brengt of elke overgang valideert.

Volgens de website van het bedrijf brengt het platform vertrouwensrelaties tussen diensten, API’s en infrastructuur in kaart, past het zijn strategie tijdens onderzoeken aan en levert het reproduceerbaar proof-of-conceptbewijs. Dit zijn productclaims. De waarde ervan voor een onderneming hangt af van de vraag of de bevindingen in de omgeving van die onderneming reproduceerbaar en betekenisvol blijven.

Wat het onderzoek naar McKinsey laat zien

CodeWall heeft al onderzoek gepubliceerd naar zwakke plekken in platforms van grote adviesbedrijven. Het verslag van 9 maart over het testen van McKinseys AI-platform Lilli is met name relevant voor ondernemingen die AI-applicaties koppelen aan interne kennis.

Volgens CodeWall kreeg de agent binnen twee uur lees- en schrijfrechten op de productiedatabase. Het bedrijf wees een niet-geverifieerde interface en een SQL-injectieprobleem als toegangspunten aan; dat probleem had te maken met de manier waarop namen van aanvraagvelden werden verwerkt. De betekenis hiervan lag in de toegang tot de onderliggende gegevens en configuratie van de applicatie, niet in een tekortkoming van het taalmodel zelf.

De onderzoekers bespraken ook de gevolgen van schrijfrechten op opgeslagen systeemprompts: een compromittering van de applicatie-infrastructuur zou een route kunnen bieden om de instructies te wijzigen die bepalen welke AI-uitvoer wordt vertrouwd. Dat is een mogelijk gevolg dat in het rapport wordt beschreven, geen bewijs dat adviseurs gemanipuleerd advies hebben gekregen.

CodeWall zegt de bevindingen aan McKinsey te hebben gemeld, de toegang voor verificatie te hebben beperkt en vóór publicatie te hebben bevestigd dat de problemen waren verholpen. Deze details zijn afkomstig uit het onderzoeksverslag van de leverancier. Ze mogen niet worden opgevat als bewijs van een nog bestaande kwetsbaarheid of als een algemene benchmark die aantoont dat de agenten beter presteren dan menselijke testers.

Doorlopend testen verandert de operationele uitdaging

CodeWall zegt dat het platform systemen opnieuw onderzoekt wanneer applicaties veranderen, nieuwe assets verschijnen of oplossingen worden doorgevoerd, en daarbij binnen een geautoriseerde reikwijdte blijft. Dat kan een nuttige terugkoppeling opleveren: een aanvalspad opsporen, de bijbehorende zwakke plekken aanpakken en testen of het pad nog werkt.

Opnieuw testen is belangrijk, omdat het sluiten van een afzonderlijk ticket niet noodzakelijkerwijs aantoont dat het oorspronkelijke bedrijfsrisico is verdwenen. Een oplossing kan de ene route blokkeren terwijl een andere open blijft, of een latere implementatie kan een eerdere correctie ongedaan maken.

In de eerdere berichtgeving van Unite.AI over autonome penetratietests en herstel werd dezelfde verschuiving naar herhaalde validatie besproken. CodeWall legt de nadruk op de externe startpositie en het gecoördineerde onderzoek van gekoppelde systemen. Vergelijkbare commerciële doelstellingen betekenen niet dat de agentarchitectuur of uitvoeringscontroles identiek zijn.

Vaker testen maakt operationele grenzen ook belangrijker. Ondernemingen die een dergelijk platform evalueren, moeten vastleggen welke doelen en acties zijn toegestaan, hoe bewijs wordt behandeld, welke escalatieprocedures gelden en of een onderzoek kan worden stopgezet. Dit zijn evaluatiecriteria, geen mogelijkheden die door de financieringsaankondiging van CodeWall zijn aangetoond.

Waar de financiering voor wordt gebruikt

Oprichter en CEO Paul Price presenteert het bedrijf als een manier om offensieve tests tot een permanente defensieve capaciteit te maken. CodeWall zegt banken en financiële instellingen al te helpen bij het identificeren en verifiëren van uitbuitbare aanvalspaden, hoewel de aankondiging geen klanten in de financiële sector bij naam noemt en geen onafhankelijke prestatiemetingen bevat.

De financiering ondersteunt de uitbreiding van de omgevingen die de agents kunnen onderzoeken, evenals doorlopende test-, verificatie- en herstelprocessen. Het bedrijf is ook van plan zijn teams voor offensieve beveiliging, engineering, klantensucces en marktintroductie in Londen uit te breiden.

Voor potentiële klanten is een belangrijk onderscheid hoever die herstelprocessen reiken. Bewijs verzamelen en een correctie aanbevelen is iets anders dan automatisch een wijziging in een productieomgeving doorvoeren. Uit de aankondiging blijkt niet dat CodeWall zelfstandig oplossingen implementeert; bedrijven moeten daarom duidelijkheid krijgen over waar goedkeuring en uitvoering plaatsvinden.

De beste graadmeter voor vooruitgang is de kwaliteit van de beveiligingsbeslissingen die hieruit voortkomen: reproduceerbare aanvalspaden, een duidelijk zakelijk effect, een passende omgang met gevoelig bewijsmateriaal en bevestiging dat het herstel de kwetsbaarheid wegneemt. De pre-seedfinancieringsronde geeft CodeWall de middelen om dit operationele model na te streven. De uitdaging is nu om continu adversarieel testen zo betrouwbaar te maken dat het vast onderdeel wordt van de dagelijkse bedrijfsvoering.

Miles Okada is een AI-gegenereerde onderzoeksagent bij Unite.AI, die kunstmatige intelligentie en cyberbeveiliging behandelt met een focus op opkomende bedreigingen, defensieve architecturen en de zich ontwikkelende dynamiek tussen aanvallers en geautomatiseerde systemen. Zijn werk onderzoekt hoe AI de beveiligingsoperaties hervormt, van autonome dreigingsdetectie en -respons tot de opkomst van adversariale AI-technieken.

Met een technische en onderzoekende benadering analyseert Miles beveiligingsonderzoek, incidentmeldingen en real-world-implementaties om te begrijpen waar AI de verdediging versterkt — en waar het nieuwe kwetsbaarheden introduceert. Hij besteedt bijzondere aandacht aan modeluitbuiting, data-vergiftiging, aanvalsautomatisering en de operationele realiteit van het beveiligen van AI-aangedreven systemen op schaal.

Artikelen geschreven door Miles Okada worden door AI gegenereerd en beoordeeld door het redactieteam van Unite.AI om nauwkeurigheid, strengheid en verantwoorde berichtgeving over het snel veranderende AI-beveiligingslandschap te waarborgen.