Cyberbeveiliging

Tanium AgentSight neemt schaduw-AI op in de inventaris van eindapparaten

Met de lancering van AgentSight biedt Tanium beveiligingsteams inzicht in AI-tools die op apparaten van medewerkers zijn geïnstalleerd. Het volgen van agentactiviteiten en bredere handhaving staan nog op de productroutekaart.

Miles Okada
Voeg Unite.AI toe aan je voorkeursbronnen op Google
An engineer viewing monitoring screens in an enterprise operations room
Belangrijkste puntenAgentSight inventariseert lokale modellen en AI-agenten, maar kan nog niet bevestigen…
Meer weergeven
  • AgentSight inventariseert lokale modellen en AI-agenten, maar kan nog niet bevestigen dat hun acties geautoriseerd zijn.
  • Zichtbaarheid op apparaatniveau helpt IT om schaduw-AI te vinden die bedrijfsbrede abonnementen en cloudregistraties volledig missen.
  • Tanium heeft eerst de inventarisatie geleverd, terwijl gedragsanalyse en handhaving van beleid nog op de roadmap staan.

Tanium introduceerde AgentSight deze week tijdens de Converge-conferentie in Las Vegas. Daarmee krijgen beveiligingsteams een manier om AI-software te inventariseren die op apparaten van medewerkers draait. Volgens het bedrijf zijn de eerste mogelijkheden nu beschikbaar in de Tanium-console. Ze brengen lokale modellen, codeeragenten, AI-extensies en Model Context Protocol (MCP)-servers op Windows, macOS en Linux in kaart en koppelen elk onderdeel vervolgens aan een apparaat en de persoon die het heeft geïnstalleerd.

Deze lancering is beperkter dan het product dat Tanium voor de langere termijn heeft beschreven. De eerste versie geeft antwoord op de vragen wat er is geïnstalleerd en waar. Het bedrijf ontwikkelt nog onderdelen van het systeem die inzicht moeten geven in wat een agent heeft gedaan, ongebruikelijk gedrag moeten signaleren of beleid op veel apparaten moeten toepassen. Voor organisaties die bepalen hoe ze AI willen beheren, is dat onderscheid van belang: een volledige inventaris is waardevol, maar bewijst niet dat de handelingen van een agent zijn toegestaan.

Waarom AI-inventarisatie op het apparaat begint

Een bedrijf kan een organisatiebreed AI-abonnement beheren en toch maar beperkt zicht hebben op de assistenten die medewerkers zelf op hun werkstations installeren. Naast een goedgekeurde codeertool kunnen bijvoorbeeld verschillende extensies, een lokaal model en een koppeling met een andere dienst staan. Met een software-inventaris kan IT zien op welke apparaten deze onderdelen draaien. Beveiligingsmedewerkers krijgen zo een aanknopingspunt om te achterhalen wie ze heeft geïnstalleerd. De inventaris maakt ook duidelijk waarom goedkeuring van één dienst niet automatisch zicht geeft op alle tools die uiteindelijk in een workflow terechtkomen.

Tanium zegt dat het eerste inzicht ook beschikbaar is in on-premisesomgevingen en omgevingen zonder netwerkverbinding. Dat is belangrijk voor teams waarvan de apparaten geen telemetrie naar een clouddienst kunnen versturen. Volgens het bedrijf laat de kostenregistratie in Tanium Asset bovendien zien waar AI-software is geïmplementeerd en hoeveel die kost. Een overzicht van eindapparaten is nuttig om deze vragen te beantwoorden, maar vervangt geen gegevens uit browserdiensten, cloudsysteemomgevingen of applicaties die een agent op afstand gebruikt.

Wat Tanium heeft gedemonstreerd en wat er hierna komt

In de aankondiging van de lancering beschreef Tanium een demonstratie op Converge van een Shadow AI-pagina in Atlas. Daarop kunnen beveiligingsteams veranderingen in de inventaris zien en vragen in gewone taal stellen. Het bedrijf beschreef ook aanvullende plannen om bevindingen te rangschikken, toelichtingen te geven en agentactiviteiten te koppelen aan de oorspronkelijke sessie en prompt. De demonstratie en de productroutekaart mogen niet worden opgevat als bewijs dat deze functies algemeen beschikbaar zijn of alle agenten of diensten omvatten.

Tanium wil beveiligingsteams ook centraal beleid laten definiëren en overtredingen laten opsporen voordat ze handhaving inschakelen. Die volgorde is operationeel van belang. Een lokale tool die in de inventaris ongebruikelijk lijkt, kan deel uitmaken van een legitieme workflow voor engineering of toegankelijkheid. Door zulke gevallen te bespreken met de mensen die verantwoordelijk zijn voor de betrokken systemen, kunnen organisaties toegestane uitzonderingen onderscheiden van onbeheerde software, zonder het dagelijkse werk te verstoren.

Van inventarisatie naar beheer

Het vrijwillige NIST-raamwerk voor AI-risicobeheer plaatst AI-risico in de context van het gebruik van systemen, en niet alleen van wat er is geïnstalleerd. Voor een bedrijf betekent dit dat de inventaris van apparaten wordt gekoppeld aan de mensen, toegangsrechten en bedrijfsprocessen die bij de vermeldingen horen. Ook moet worden bepaald welke informatie wordt verzameld en wie die mag inzien, vooral als toekomstige activiteitenregistraties prompts bevatten met mogelijk vertrouwelijke informatie over het werk.

Op korte termijn moet AgentSight bewijzen dat beveiligingsteams de inventaris nauwkeurig kunnen houden terwijl medewerkers tools gaan gebruiken en aanpassen. De grotere uitdaging is of bedrijven dit inzicht kunnen omzetten in bruikbare beslissingen: welke tools zijn goedgekeurd, waar is een uitzondering gerechtvaardigd en wie moet gedrag beoordelen dat buiten het beleid valt. Tanium heeft het eerste deel van dit werk geleverd. De rest hangt zowel af van de productroutekaart als van de manier waarop bedrijven de oplossing inzetten.

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.