Finansiering

CodeWall henter inn 4 millioner dollar i pre-seed-finansiering for å bringe autonome angrepsagenter inn i virksomhetssikkerheten

mm
Legg til Unite.AI blant dine foretrukne kilder på Google
Conceptual illustration of autonomous security agents tracing attack paths through an enterprise network.

Et sikkerhetsteam kan rette en sårbarhet og likevel etterlate angripere en annen vei til de samme dataene. Det vanskeligere spørsmålet er om svakheter på tvers av applikasjoner, identiteter og infrastruktur kan kombineres til et fungerende innbrudd.

CodeWall bygger virksomheten sin rundt å besvare dette spørsmålet kontinuerlig. London-oppstartsselskapet har kommet ut av stealth-modus med 4 millioner dollar i pre-seed-finansiering, ledet av Osney Capital, med deltakelse fra InReach Ventures, Antler og engleinvestorer, ifølge kunngjøringen 14. oktober.

Selskapet utvikler autonome angrepsagenter som går løs på en virksomhet utenfra, uten å kreve legitimasjon, kildekode eller intern tilgang. Målet er å gi forsvarere en løpende måte å oppdage og verifisere utnyttbare angrepsveier på før en ondsinnet aktør bruker dem.

Fra en liste over svakheter til dokumentasjon av en angrepsvei

CodeWalls tekniske visjon handler om å tilpasse en undersøkelse etter hvert som nye bevis kommer til. Selskapet mener at mangel på spesialister innen offensiv sikkerhet og periodiske vurderinger gjør det vanskelig for organisasjoner å teste et miljø som endrer seg mellom oppdragene.

I kunngjøringen beskriver selskapet spesialiserte agenter som undersøker parallelt og deler funn gjennom en vedvarende undersøkelsesgraf. Et funn i én applikasjon kan danne grunnlag for den neste agentens undersøkelse av en tilknyttet tjeneste, identitet eller datalagring. Resultatet skal være en redegjørelse for hva som kan kompromitteres, hvordan angrepsveien fungerer, og hvilke bevis som underbygger konklusjonen.

I praksis viser en graf forbindelser mellom funn, i stedet for å behandle hvert varsel som et isolert element. En forbindelse kan være viktigere enn de enkelte svakhetene: Eksponering ved én grense kan gjøre det mulig å nå en annen kontroll. Denne forklaringen beskriver den arkitektoniske ideen; CodeWall har ikke offentliggjort nok implementasjonsdetaljer i kunngjøringen til at man kan vurdere hvordan grafen håndterer motstridende funn eller validerer hver enkelt overgang.

Selskapets nettsted opplyser at plattformen kartlegger tillitsforhold på tvers av tjenester, API-er og infrastruktur, tilpasser strategien under undersøkelser og produserer reproduserbare bevis i form av konseptbevis. Dette er produktpåstander. Verdien for en virksomhet avhenger av om funnene forblir reproduserbare og relevante i virksomhetens eget miljø.

Hva McKinsey-undersøkelsen viser

CodeWall har allerede publisert undersøkelser som beskriver svakheter i plattformer drevet av store konsulentselskaper. Rapporten fra 9. mars om testing av McKinseys Lilli AI-plattform er særlig relevant for virksomheter som kobler AI-applikasjoner til intern kunnskap.

Ifølge CodeWall fikk agenten selskapet bruker lese- og skrivetilgang til produksjonsdatabasen på under to timer. Selskapet knyttet inngangspunktet til et grensesnitt uten autentisering og et SQL-injeksjonsproblem knyttet til håndteringen av feltnavn i forespørsler. Det sentrale var tilgangen agenten fikk til applikasjonens underliggende data og konfigurasjon, ikke en svikt i selve språkmodellen.

Forskerne drøftet også konsekvensene av å ha skrivetilgang til lagrede systeminstruksjoner: Et kompromittert applikasjonsmiljø kan åpne for å endre instruksjonene som styrer pålitelige AI-resultater. Dette er en mulig konsekvens som beskrives i rapporten, ikke et bevis på at konsulenter mottok manipulerte råd.

CodeWall sier at selskapet delte funnene med McKinsey, begrenset tilgangen i forbindelse med verifiseringen og bekreftet at utbedring var gjennomført før publisering. Disse opplysningene stammer fra leverandørens egen undersøkelse og bør ikke tolkes som bevis på en pågående sårbarhet eller som en generell referanse som viser at agentene presterer bedre enn menneskelige testere.

Kontinuerlig testing endrer utfordringene i driften

CodeWall sier at plattformen undersøker systemer på nytt når applikasjoner endres, nye ressurser dukker opp eller rettelser innføres, innenfor et godkjent omfang. Dette kan skape en nyttig tilbakekoblingssløyfe: Finn en angrepsvei, rett opp svakhetene som bidrar til den, og test om angrepsveien fortsatt fungerer.

Ny testing er viktig fordi det at en enkelt sak lukkes, ikke nødvendigvis betyr at den opprinnelige forretningsrisikoen er borte. En rettelse kan blokkere én vei, men la en annen stå åpen, eller en senere utrulling kan oppheve en tidligere rettelse.

Unite.AI har tidligere omtalt autonom penetrasjonstesting og utbedring og belyst den samme utviklingen mot gjentatt validering. CodeWall legger vekt på at testingen starter utenfra, og at tilknyttede systemer undersøkes koordinert. Lignende kommersielle mål betyr ikke at agentarkitekturene eller kontrollene for gjennomføring er identiske.

Hyppigere testing gjør også tydelige driftsmessige grenser viktigere. Virksomheter som vurderer en slik plattform, bør fastsette hvilke mål og handlinger som er tillatt, regler for håndtering av bevis, prosedyrer for eskalering og muligheten til å stanse en undersøkelse. Dette er kriterier for evaluering, ikke egenskaper som er dokumentert i CodeWalls finansieringskunngjøring.

Hva finansieringen skal brukes til å utvikle

Grunnlegger og administrerende direktør Paul Price presenterer selskapet som en måte å gjøre offensive sikkerhetstester til en permanent defensiv kapasitet på. CodeWall sier at selskapet allerede hjelper banker og finansinstitusjoner med å identifisere og verifisere angrepsveier som kan utnyttes, selv om kunngjøringen ikke oppgir navngitte kunder i finanssektoren eller uavhengige målinger av resultatene.

Finansieringen skal støtte utvidelsen av miljøene agentene kan undersøke, samt vedvarende testing, verifisering og arbeidsflyter for utbedring. Selskapet planlegger også å utvide teamene innen offensiv sikkerhet, utvikling, kundesuksess og markedsføring og salg i London.

For kjøpere blir det viktig å avklare hvor langt arbeidsflytene for utbedring strekker seg. Det er forskjell på å produsere dokumentasjon og anbefale en korrigering og å gjennomføre en endring automatisk i produksjonsmiljøet. Kunngjøringen fastslår ikke at CodeWall distribuerer rettelser på egen hånd, så virksomheter bør avklare hvem som godkjenner og gjennomfører dem.

Det beste målet på fremgang vil være kvaliteten på sikkerhetsbeslutningene som følger: reproduserbare angrepsveier, tydelig forretningsmessig påvirkning, forsvarlig håndtering av sensitiv dokumentasjon og bekreftelse på at utbedringen lukker sårbarheten. CodeWalls pre-seed-runde gir selskapet ressurser til å følge denne driftsmodellen. Oppgaven nå er å gjøre kontinuerlig adversarial testing pålitelig nok til å bli en del av virksomheters rutinearbeid.

Miles Okada er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, og dekker kunstig intelligens og cybersikkerhet med fokus på nye trusler, defensive arkitekturer og de utviklende dynamikkene mellom angripere og automatiserte systemer. Arbeidet hans undersøker hvordan AI omformer sikkerhetsoperasjoner, fra autonom trusseldeteksjon og respons til fremveksten av adversarial AI-teknikker.

Med et teknisk og etterforskningsmessig perspektiv analyserer Miles sikkerhetsforskning, hendelsesavsløringer og virkelige implementeringer for å forstå hvor AI styrker forsvar – og hvor den introduserer nye sårbarheter. Han legger særlig vekt på modellutnyttelse, dataforgiftning, angrepsautomatisering og de operative realitetene ved å sikre AI-drevne systemer i stor skala.

Artiklene skrevet av Miles Okada er AI-genererte og gjennomgås av Unite.AI sitt redaksjonsteam for å sikre nøyaktighet, grundighet og ansvarlig dekning av det raskt skiftende AI-sikkerhetslandskapet.