Harness lanceert AI‑agenten om kwetsbaarheden te scannen, triëren en te patchen met machinale snelheid

Harness, het in San Francisco gevestigde platform voor software‑levering, heeft op 19 augustus 2026 een reeks AI‑beveiligingsagenten gelanceerd — AI‑SAST, agent‑gebaseerde triage en remediatie, een toegewijde Zero‑Day‑agent en virtueel patchen — ontworpen om de kloof tussen het ontdekken van een kwetsbaarheid en het uitrollen van een oplossing te verkorten van weken naar uren.

De boodschap berust op een asymmetrie die verdedigers steeds verliezen. In Harness’ technische blogpost over de lancering citeert het bedrijf het Edgescan 2026 Vulnerability Statistics Report, waarin de gemiddelde tijd om een kwetsbaarheid te remediëren 55 dagen bedraagt, tegenover de tijdslijnen van aanvallers (volgens de Zero Day Clock) die de eerste exploit soms al zes uur na openbaarmaking bereiken. Zelfs nadat een oplossing is geschreven, stelt het DORA‑rapport 2025 dat de tijd van commit tot productie meer dan een week bedraagt. Verdedigers proberen een venster van enkele uren te dichten met een proces dat weken duurt.

Frontier‑modellen drukken nu aan beide kanten van die kloof. Scannen op basis van LLM’s levert veel meer bevindingen op dan traditionele statische analyse — partners in Anthropic’s Project Glasswing, dat beveiligingspartners toegang geeft tot het Claude Mythos Preview‑model om kwetsbaarheden in kritieke software op te sporen, zagen in tests ongeveer tien keer meer kwetsbaarheden. Maar zichtbaarheid zonder verwerking leidt alleen tot een grotere achterstand: Comcast, een deelnemer aan Glasswing, ontdekte dat 44 % van de kritieke en hoog‑severe LLM‑bevindingen valse positieven waren, en slechts 36 % van de kritieke en 33 % van de hoog‑severe bevindingen daadwerkelijk exploiteerbaar bleken.

“We bevinden ons op een punt waarop dezelfde AI‑modellen die onze klanten helpen software sneller uit te rollen, ook door aanvallers worden gebruikt om kwetsbaarheden sneller te vinden en te exploiteren,” zei Rahul Sood, General Manager Application Security bij Harness, in de aankondiging van het bedrijf. “De enige manier om die kloof te dichten is door beveiliging een volwaardige component van de leverings‑pipeline te maken.”

Wat de agenten daadwerkelijk doen

De scanlaag verdeelt opzettelijk de verschillen tussen deterministische en probabilistische analyse, een opvallende ontwerpkeuze gezien de huidige enthousiasme in de industrie om LLM’s op codebases te richten. Harness’ AI‑SAST combineert een deterministische data‑flow engine met een AI‑vertrouwenslaag die elke bevinding classificeert als bevestigd risico, potentieel risico of contextueel veilig. Het eigen benchmarken van het bedrijf tegen de OWASP Java‑corpus beweert dat de laag het aantal valse positieven met 79 % heeft verminderd (van 454 naar 95) en de precisie van 74 % naar 93 % heeft verhoogd, terwijl de recall op 91 % bleef. Bij insecure direct object reference (een gebroken toegangscontroletype dat data‑flow analyse structureel niet kan zien, omdat er geen misvormde invoer is om op te matchen) claimt Harness een recall van 71 % bij 99 % precisie over een corpus van 390 gevallen in Go, Java en Python. Het zijn vendor‑benchmarks, zelfgerapporteerd, maar het onderliggende argument is solide: een probabilistische scanner die bij dezelfde code twee keer verschillende bevindingen oplevert en per scan een token‑vergoeding vraagt, past slecht bij continue CI/CD‑gatekeeping. Harness positioneert LLM‑scannen daarom als een eenmalige jachtmethode en biedt LLM Scan Orchestration voor teams die hun eigen LLM‑scanners native in de pipeline willen draaien.

Achteraf prioriteert de Triage‑agent bevindingen door CVSS, EPSS en bereikbaarheidsanalyse te combineren: Harness traceert nu de aanroeppaden naar de specifieke kwetsbare functie, zodat een afhankelijkheid alleen wordt gemarkeerd als die exacte functie bereikbaar is. De Remediation‑agent schrijft vervolgens een fix, valideert deze in de pipeline om builds niet te breken, en opent een door een mens beoordeelde pull‑request. Ontwikkelaars behouden de merge‑autoriteit.

De Zero‑Day‑agent is het onderdeel dat zich rechtstreeks richt op het zes‑uur‑probleem. Hij bewaakt nieuw openbaar gemaakte zero‑days, identificeert elk getroffen artefact en elke pipeline in de omgeving van een klant (de blast‑radius‑mapping die het bedrijf noemt, daalt van dagen naar seconden) en levert een gevalideerde fix die klaar is voor review, waardoor de triage‑wachtrij volledig wordt overgeslagen. Virtueel patchen dekt het resterende venster: wanneer API‑testen een kwetsbaarheid ontdekken, implementeert Harness een beschermende regel op zijn web‑applicatie‑ en API‑beschermingslaag zonder code‑wijzigingen, waardoor de productie binnen enkele minuten wordt afgeschermd terwijl de permanente fix wordt geschreven, waarna de patch wordt verwijderd zodra de fix wordt uitgerold.

Alle zes de mogelijkheden zijn nu beschikbaar binnen het Harness‑platform, waarbij de remediation‑ en zero‑day‑agenten gebruikmaken van de bestaande governance van de pipeline: beleids‑poorten, goedkeuringen en een keten van bewaring voor elk artefact.

De opbouw van Harness naar agent‑gedreven AppSec

De lancering breidt een beveiligingsboog uit die begon toen Harness in februari 2025 fuseerde met het API‑beveiligingsbedrijf Traceable, een deal waarbij mede‑oprichter Sanjay Nagaraj van Traceable de leiding kreeg over de applicatie‑beveiligingsactiviteiten van het gecombineerde bedrijf. In juli 2026 bracht het bedrijf Agent DLC uit, een governance‑laag voor de AI‑agent‑ontwikkelingslevenscyclus: primitieve scans, een AI‑bill of materials, agent‑detectie en een AI‑firewall die beleid handhaaft tegen prompt‑injectie en misbruik van tools tijdens runtime. Enkele dagen later breidde het zijn Kong‑partnerschap uit om AI‑detectie en -bescherming in Kong’s AI‑Gateway te integreren, waarbij elk model, elke MCP‑server en elk tool dat erdoor wordt geleid, wordt geïnventariseerd.

Unite.AI heeft dezelfde versnelling aan de offensieve kant gevolgd, van Claude die een cyber‑benchmark omzette in drie echte inbraken tot IBM’s bevinding dat AI een rol speelde in één op de vier kwaadaardige inbreuken, en aan de defensieve kant, de Daybreak‑cyber‑defensiemodellen van OpenAI die op Amazon Bedrock zijn geland. De gok van Harness is dat de fix‑pipeline, en niet alleen detectie, de plek is waar machinale snelheid als volgende moet aankomen.

Of agenten die hun eigen fixes schrijven het vertrouwen van ondernemingen winnen, hangt af van de validatie‑harnas eromheen, een les die werd bevestigd toen Copilot Autofix een shell‑injectie opende in de CI/CD‑pipeline van Snowflake. Het antwoord van Harness is architecturaal: de agenten stellen voor, de pipeline valideert, en een mens voert de merge uit.