Cybersikkerhet

Mitiga lanserer agentfri sikkerhet for KI-agenter i virksomheter

Miles Okada
Legg til Unite.AI blant dine foretrukne kilder på Google
Viktige punkterMitiga oppdager misbruk av agenter gjennom atferdsbaserte referanseprofiler i stedet…
Vis mer
  • Mitiga oppdager misbruk av agenter gjennom atferdsbaserte referanseprofiler i stedet for å blokkere handlinger før de skjer.
  • Dekningen er begrenset av hvilke sky-SaaS-identitets- og AI-logger som eksponerer agentaktivitet.
  • Plattformen rekonstruerer tidligere agentaktivitet fra lagrede logger uten å kreve endringer i agentkoden.

Mitiga lanserte sikkerhet for KI-agenter 19. november 2026, og gjorde den agentfrie plattformen tilgjengelig umiddelbart. Den er utviklet for å oppdage og overvåke KI-agenter på tvers av sky-, programvare-som-tjeneste- (SaaS-) og identitetssystemer, og deretter begrense mistenkelig aktivitet ved hjelp av kundenes eksisterende sikkerhetsintegrasjoner.

Agenter kan lese data, kalle API-er, endre oppføringer og aktivere andre agenter ved hjelp av tjenestekontoer, OAuth-tilganger, API-tokener, arbeidslastidentiteter eller delegerte økter. Medgründer og teknologidirektør Ofer Maor beskrev problemet med manglende oversikt som dette fører til: «En agent trenger ikke å bryte seg inn når den allerede har tilgangsopplysningene. I revisjonsloggen ser det ut som en gyldig innlogging.»

Atferdsbasert deteksjon på tvers av virksomhetssystemer

Plattformen etablerer atferdsmessige normalnivåer for systemene agentene får tilgang til, handlingene de utfører og identitetene de bruker. Den sammenligner aktivitet i sanntid med tillatelser og statisk konfigurasjon for å avdekke endringer i tilgangsrettigheter og uautorisert tilgang, og korrelerer deretter aktivitet i skyen, SaaS, identitetssystemer og KI til én samlet hendelsesrapport. Activity Flow kartlegger brukere og ikke-menneskelige identiteter gjennom KI-plattformer og koblinger til applikasjonene de fikk tilgang til.

Det kreves ingen gateway, SDK, proxy eller kodeendring i agenten. Mitiga bruker i stedet logger og API-er som plattformene den støtter, allerede produserer. Dermed kan løsningen tas i bruk utenfor agentens kjøringsbane. Lagrede logger kan også brukes til å undersøke agentaktivitet som fant sted før plattformen ble tatt i bruk.

Dekning og oppgitt driftsskala

Dekningen omfatter egenutviklede agenter bygget på tjenester som Bedrock og Azure AI Foundry, godkjente leverandøragenter som er koblet til via OAuth-tilganger, og kodeassistenter, personlige KI-verktøy og ikke-gjennomgåtte MCP-servere eller ferdigheter som ansatte har koblet til. Mitiga trekker fram fire scenarioer: kompromittering av tredjepartsagenter, egenutviklede agenter som overskrider fullmaktene sine, trusler mot forsyningskjeden for kodeagenter og MCP, og kjedereaksjoner der én kompromittert agent aktiverer verktøy, tjenester eller andre agenter.

For risiko knyttet til forsyningskjeden for kodeagenter undersøker den kostnadsfrie Skillgate-skanneren ferdigheter og MCP-servere for skjulte instruksjoner eller metoder for å hente ut påloggingsinformasjon før en agent handler. Hvis agenten allerede har kjørt, rekonstruerer Mitiga hva utviklerens tilgangsopplysninger ble brukt til etterpå.

Mitiga oppgir tre driftsmåltall: 95 % av arbeidsflytene i sikkerhetsoperasjonssenteret er automatisert, 100 % av varslene blir prioritert og vurdert med en etterprøvbar konklusjon, og det tar under tre minutter fra innsamling av hendelser via vurdering til en handlingsrettet respons. Den underliggende Cloud Security Data Lake normaliserer telemetri fra mer enn 50 plattformer og lagrer den i mer enn 1 000 dager.

Telemetri og integrasjoner setter grensene

Produktdokumentasjonen skiller uttrykkelig Mitiga fra en sikkerhetsmekanisme som griper inn direkte: løsningen blokkerer ikke en handling før den skjer. Deteksjonsforsinkelsen avhenger av telemetrikiilden, og dekningen er begrenset til agenter med handlinger som vises i støttede sky-, SaaS-, identitets- eller KI-kilder.

Signaler på promptnivå er bare tilgjengelige der logger fra støttede plattformer viser dem, blant annet i logger fra Bedrock, Azure OpenAI, Agentforce og Copilot. Uten slik oversikt oppdager Mitiga den påfølgende aktiviteten.

Støttede tiltak omfatter å tilbakekalle et token eller en økt, sette en identitet i karantene og rulle tilbake en endring gjennom kundeintegrasjoner. Muligheten til å rulle tilbake avhenger av hva hver integrasjon støtter. For virksomheter som tar i bruk plattformen, utgjør loggdekning og integrasjonsstøtte derfor en del av plattformens faktiske sikkerhetsgrense. Dette avgjør hvor Mitiga kan undersøke en agents aktivitet, og hvilke tiltak for å begrense den som er tilgjengelige.

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.