Cybersikkerhet

BigID lanserer AgentIQ for agentdrevet datasikkerhet og samsvar

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

BigID kunngjorde den 21. september 2026 lanseringen av AgentIQ, et agentbasert automatiseringsgrensesnitt som lar kunder drive sine datasikkerhets- og samsvarsprogrammer fra en prompt eller en AI-agent, enten i BigID eller direkte fra Claude, Copilot, GPT eller Gemini.

Hva AgentIQ gjør

Utgivelsen beskriver AgentIQ som et fullt agentbasert automatiseringsgrensesnitt til BigID. Kunder kan skrive tilpassede prompts eller bruke forhåndsbygde BigID-agenter for å hente, rapportere, svare på eller utbedre data- og AI-sikkerhets- og samsvarsbrudd, og BigID sier at kjøring av en spørring verken krever et nytt grensesnitt eller en sikkerhetsanalytiker. Tilpassede bedriftsagenter og interne AI-plattformer støttes som overflater ved siden av BigID selv.

BigID grupperer produktets funksjoner under et sett med driftsmerkelapper. «Ask» håndterer spørsmål om data- og AI-landskapet, som spenner over sky, SaaS, lokale systemer, databaser og filer, med tilpasset rapportering tilbake. «Investigate» arbeider med data- og tilgangsbrudd for å fastslå hvem og hva som ble påvirket. «Consult» og «Reason» lar kunder bruke sin foretrukne modell for regulatorisk samsvar, sikkerhetsrammeverk og bransjens beste praksis. «Assess Risk» rangerer funn etter sensitivitet, eksponering, aktivitet og forretningskontekst. «Act» utfører responsen: tilbakekaller tilgang, utbedrer eksponering, anvender oppbevaring, karantener, håndhever policy og oppfyller forespørsler. «Automate» setter utbedring på en autonom, kontinuerlig basis ved bruk av BigIDs agenter eller kundens egne.

«Alle data & AI‑programmer er begrenset av hvor mange personer du kan sette på dem. AgentIQ fjerner begrensningen,» sa Dimitri Sirota, BigIDs administrerende direktør og medgründer. Han sa at tilnærmingen avhenger av kontekst, og argumenterte at en agent uten dyp datakontekst vil gi selvsikre men feil svar om en organisasjons mest sensitive data.

Forhåndsbygde agenter, arbeidsflyter og integrasjoner

Ifølge BigID sin AgentIQ-produktside leveres fire forhåndsbygde agenter ved lanseringen: Remediate Sensitive Data, AI Governance Enforcement, Access Exposure Analysis og Privacy Operations. På samme side beskriver BigID seg selv som den første datasikkerhetsplattformen bygget for å bli operert av agenter i stedet for kun lest av dem.

BigID oppgir eksempler på oppgaver AgentIQ håndterer fra start til slutt med én enkelt forespørsel. I en oppgave lokaler agenten internett‑eksponert sensitiv data, rangerer den etter forretningsrisiko, og ved godkjenning tilbakekaller offentlig tilgang til de ti høyest rangerte elementene, og logger hver handling. En andre dekker sanksjonerte og skygge‑AI‑systemer som berører regulert data, kartlegger dataene hver system konsumerer og flagger policybrudd. En tredje gjennomgår tillatelser på tvers av systemer, identifiserer overdreven og foreldet tilgang til kunders PII, og fjerner den. En fjerde gjennomfører en data‑subjekt‑forespørsel gjennom oppfyllelse i alle systemer hvor personens data finnes.

Rapportering starter fra en naturlig språk‑beskrivelse av en engang‑ eller planlagt rapport, kjørt mot metadata, skanningsfunn og aktivitet, med utdata formatert for den forespørrende målgruppen. Undersøkelsesfunksjoner inkluderer å beregne et brudd sin påvirkningsradius på tvers av data og tilgang, å utlede dataflyt gjennom systemer som aldri ble kartlagt, og å undersøke hvilken data som er eksponert, hvem som kan nå den, og fra hvor.

BigID sier at AgentIQ fungerer med DLP‑ og datastyringsverktøyene kundene allerede bruker i stedet for å erstatte dem, med DLP‑funn håndtert gjennom en enkelt prioritert kø og koordinering med andre agentbaserte plattformer administrert på ett sted i stedet for duplisert. Arbeid kan vises i Teams og Slack. Plattformen omfatter mer enn 200 integrasjoner fra BigID på tvers av lokale, sky‑, SaaS‑ og API‑datakilder, og dekker data i ro, i bevegelse og i bruk.

Kjøp, bygg eller ta med distribusjon

Distribusjon følger det BigID kaller en kjøp‑bygg‑eller‑ta‑med-modell. BigID sier at deres forhåndsbygde agenter distribueres på minutter uten agent‑engineering. Kunder kan også bygge sine egne agenter på AgentIQ‑plattformen og handlingsflaten, koblet til deres arbeidsflyter og policyer, eller ta med agenter fra eksterne AI‑plattformer og la dem arbeide direkte med BigID gjennom selskapets sikre MCP. Verktøy på MCP‑flaten er utvidbare av kunder og partnere.

Nimrod Vax, BigIDs produktansvarlige og medgründer, sa at kundene fortalte selskapet at de ikke ønsket en ny konsoll og ikke ville satse sikkerhetsprogrammet på én modell. «Så bygde vi laget, ikke destinasjonen», sa han. Kunngjøringen sier at det ikke er noen innbinding til én leverandørs agent, én modell eller ett grensesnitt.

Sikkerhetsrammer og bedriftskontroller

Agenttillatelser speiler de til den forespørrende brukeren, håndhevet på API‑ og MCP‑laget i stedet for å bli forespurt i en systemprompt. Data‑tilgang går gjennom identiteten knyttet til hver agent i stedet for gjennom agenten direkte, og hver handling en agent utfører logges og knyttes til en ansvarlig person. Bedriftskontroller inkluderer fin‑grained RBAC på hver API‑ og MCP‑tjeneste, passordhvelv for legitimasjonene en agent opererer med, bring‑your‑own‑keys, og telemetri på agent‑aktivitet. Air‑gap‑støtte gjør agentbasert drift tilgjengelig i en suveren distribusjon.

AgentIQ er generelt tilgjengelig, ifølge BigIDs produktside.

Miles Okada er en AI-generert analytiker hos Unite.AI, som dekker kunstig intelligens og cybersikkerhet med fokus på nye trusler, defensive arkitekturer og de evoluerende dynamikkene mellom angripere og automatiserte systemer. Hans arbeid undersøker hvordan AI former sikkerhetsoperasjoner, fra autonome trusseldeteksjon og respons til oppblomstringen av motstridende AI-teknikker.
Med en teknisk og etterforskningsorientert perspektiv, analyserer Miles sikkerhetsforskning, hendelsesrapporter og virkelige implementeringer for å forstå hvor AI styrker forsvar - og hvor det introduserer nye sårbarheter. Han legger særlig merke til modellutnyttelse, datapforgiftning, angrepsautomatisering og de operative realitetene ved å sikre AI-drevne systemer i stor skala.
Artikler skrevet av Miles Okada er AI-generert og gjennomgått av Unite.AIs redaksjonelle team for å sikre nøyaktighet, stringens og ansvarlig dekning av det raskt endrende AI-sikkerhetslandskapet.