DeepKeep legger til kjøretidssikringer for AI‑kodingsagenter med AI Lens for Developers

DeepKeep har introdusert AI Lens for Developers, et sikkerhetslag designet for å gi CISO‑er synlighet og policystyring over AI‑kodingsagenter som kjører på utviklermaskiner. Produktet utvider DeepKeeps eksisterende AI‑brukskontroll og kjøretidssikringsfunksjoner til verktøy som Cursor og Claude Code, med støtte for GitHub Copilot, OpenAI Codex, Lovable, Windsurf og flere kodingsagenter planlagt.

Lanseringen tar tak i et sikkerhetsproblem skapt av den økende autonomien til utviklerverktøy. Moderne kodingsagenter kan inspisere og endre lokale filer, utføre skall‑kommandoer og påkalle eksterne tjenester via Model Context Protocol (MCP). Disse tillatelsene gjør verktøyene nyttige, men de gjør også at en agent kan eksponere legitimasjon, endre sensitiv kode eller samhandle med systemer utenfor de kontrollene sikkerhetsteam tradisjonelt anvender på skytjenester.

Resultatet er et økende synlighetsgap. Et selskap kan godkjenne en kodingsassistent som produkt samtidig som det har lite bevis på hva en individuell agent gjorde i løpet av en bestemt økt. Som Unite.AI nylig undersøkte, sikkerhetsteam trenger i økende grad å spore agentverktøy‑kall, kommando‑kjøringer og system‑endringshendelser, ikke bare opprettholde en liste over godkjente AI‑tjenester.

Inspeksjon av agenthandlinger før og etter utførelse

AI Lens for Developers er bygget som en lettvekts‑plug‑in i stedet for en fullstendig endepunkt‑agent. DeepKeep sier at den kobles inn i kodings‑agent‑arbeidsflyten for å inspisere prompt, fil‑lesninger, skall‑kommandoer og MCP‑verktøy‑kall før og etter de kjøres. Hver aktivitet kan rutes gjennom selskapets policysystem for en tillatelse, blokkering eller revisjonsbeslutning.

Forskjellen mellom overvåking før utførelse og etter utførelse er viktig. Et revisjonsspor kan forklare hvorfor en hendelse oppsto, men det kan ikke forhindre en destruktiv kommando eller stoppe en hemmelighet fra å forlate en utviklers miljø. DeepKeep posisjonerer AI Lens både som en forebyggende kontroll og som en kilde til bevis for hendelsesrespons og samsvar.

Produktet kan flagge legitimasjon, tilgangstoken og passord som er inkludert i prompt eller vedlagte filer. Det undersøker også kode generert av agenten for usikre mønstre, som funksjoner som utelater autentisering. Kommandoer som vurderes som destruktive kan holdes tilbake for menneskelig godkjenning, mens administratorer kan lage egendefinerte nøkkelord‑regler for å identifisere referanser til sensitive repositorier, kode‑seksjoner eller interne prosjekter.

DeepKeep sier at hver økt genererer en detaljert revisjonslogg som kan inneholde enhets‑ID, prompt‑innhold og bruker‑ID. Dette gir sikkerhetsteam mulighet til å rekonstruere en agents aktivitet selv om en utvikler endrer en blokkert forespørsel og prøver den igjen.

Sentral policy for AI rettet mot utviklere

Administratorer styrer regler gjennom DeepKeeps Policy Hub. Policies kan anvendes per rolle eller på tvers av en organisasjon, og kan dekke kategorier som personlig identifiserbar informasjon, legitimasjon og destruktive kommandoer. Tilnærmingen er ment å la selskaper etablere en konsistent sikkerhetsposisjon samtidig som ingeniørteamene kan fortsette å bruke agentbaserte utviklingsarbeidsflyter.

Produktets fokus på MCP er spesielt tidsriktig. Protokollen gir AI‑applikasjoner en standard måte å koble til verktøy og bedriftsdata, men hver server og kallbar handling kan utvide en agents angrepsflate. Unite.AIs veiledning til Model Context Protocol påpeker at MCP‑verter og -servere utgjør separate sikkerhetsgrenser, inkludert eksponering for prompt‑injeksjon og upålitelig verktøy‑output. Å kun overvåke modellen er derfor utilstrekkelig når modellen kan utføre handlinger via andre systemer.

Ofer Rotberg, DeepKeeps visepresident for produkt, argumenterer for at kodingsagenter arver usedvanlig kraftig utvikler‑tilgang samtidig som de opererer med økende autonomi. Etter hans mening trenger CISO‑er kontinuerlig synlighet i agentadferd og evnen til å stoppe skadelige handlinger i sanntid i stedet for å vente på å undersøke den neste hendelsen.

Del av en bredere AI‑sikkerhetsplattform

AI Lens for Developers er en del av DeepKeeps bredere AI‑sikkerhetsplattform. Selskapet tilbyr også en AI‑brannmur, automatisert og menneskestyrt AI‑red‑team‑testing, AI‑brukskontroller, agent‑skanning og modell‑skanning. DeepKeep sier at deres kontroller kan anvendes på tvers av AI‑livssyklusen, fra utvikling og testing til produksjonsbruk av applikasjoner og agenter.

Selskapet ble grunnlagt i 2021 og beskriver sin plattform som modell‑agnostisk, med støtte for utrulling i SaaS, privat sky, lokalt og luft‑avkoblede miljøer. Deres bredere budskap er at virksomheter trenger et felles policiespråk for modeller, applikasjoner, ansatte og autonome agenter i stedet for separate kontroller for hvert AI‑verktøy.

For CISO‑er blir utvikler‑rettede agenter en presserende test av dette konseptet. Tradisjonell applikasjonssikkerhet fokuserer sterkt på koden som når produksjon. Kodingsagenter legger til et ekstra risikonivå: prosessen som leser repositoriet, genererer koden og kjører kommandoer kan være autonom. Produkter som AI Lens forsøker å gjøre denne prosessen observerbar og håndhevbar uten å fjerne hastighetsfordelene som fikk utviklere til å ta i bruk agenter i første omgang.