Harness wprowadza agenty AI do skanowania, triage i łatania podatności z prędkością maszyny

Harness, firma z San Francisco oferująca platformę do dostarczania oprogramowania, wprowadziła 19 sierpnia 2026 r. zestaw agentów bezpieczeństwa AI — AI SAST, agentowy triage i naprawę, dedykowanego agenta Zero-Day oraz wirtualne łatanie — mający na celu skrócenie przerwy między wykryciem podatności a wypuszczeniem poprawki z tygodni do godzin.

Argumentacja opiera się na asymetrii, którą obrońcy ciągle tracą. W poście inżynieryjnym Harness opisującym uruchomienie firma przytacza raport Edgescan 2026 Vulnerability Statistics, w którym średni czas naprawy podatności wynosi 55 dni, w przeciwieństwie do terminów atakujących (śledzonych przez Zero Day Clock), które osiągają pierwsze wykorzystanie już po sześciu godzinach od ujawnienia. Nawet po napisaniu poprawki, raport DORA 2025 wskazuje, że czas od commitu do produkcji wynosi ponad tydzień. Obrońcy zamykają okno liczone w godzinach, stosując proces trwający tygodnie.

Modele frontierowe naciskają teraz po obu stronach tej przepaści. Skanowanie oparte na LLM wykrywa znacznie więcej wyników niż tradycyjna analiza statyczna — partnerzy w projekcie Anthropic Project Glasswing, który udostępnia partnerom bezpieczeństwa model Claude Mythos Preview do wykrywania podatności w krytycznym oprogramowaniu, odnotowali około dziesięciokrotnie więcej wykrytych podatności w testach. Jednak widoczność bez przetwarzania to jedynie większy zaległy stos: Comcast, uczestnik Glasswing, stwierdził, że 44 % jego krytycznych i wysokich wyników LLM było fałszywymi alarmami, a jedynie 36 % krytycznych i 33 % wysokich wyników zostało potwierdzonych jako podatne na wykorzystanie.

“Jesteśmy w punkcie, w którym te same modele AI pomagające naszym klientom szybciej dostarczać oprogramowanie są także wykorzystywane przez atakujących do szybszego znajdowania i wykorzystywania podatności,” powiedział Rahul Sood, dyrektor generalny ds. bezpieczeństwa aplikacji w Harness, w ogłoszeniu firmy. “Jedynym sposobem na zamknięcie tej przepaści jest uczynienie bezpieczeństwa pierwszorzędną częścią samego potoku dostarczania.”

Co tak naprawdę robią agenty

Warstwa skanowania celowo łączy podejście deterministyczne i probabilistyczne, co jest godnym uwagi wyborem projektowym, biorąc pod uwagę obecną entuzjazm branży wobec kierowania LLM-ów na bazy kodu. AI SAST firmy Harness łączy deterministyczny silnik przepływu danych z warstwą zaufania AI, która klasyfikuje każde znalezisko jako potwierdzone ryzyko, potencjalne ryzyko lub kontekstowo bezpieczne. Własne benchmarki firmy w porównaniu z korpusem OWASP Java wskazują, że warstwa zmniejszyła liczbę fałszywych alarmów o 79 % (z 454 do 95) i podniosła precyzję z 74 % do 93 %, zachowując jednocześnie 91 % czułość. W przypadku niebezpiecznych bezpośrednich odwołań do obiektów (klasy złamanego kontroli dostępu, której analiza przepływu danych nie może strukturalnie wykryć, ponieważ nie ma niepoprawnych danych wejściowych do dopasowania), Harness podaje 71 % czułość przy 99 % precyzji w korpusie 390 przypadków w językach Go, Java i Python. Są to benchmarki dostawcy, samodzielnie zgłoszone, ale podstawowy argument jest słuszny: probabilistyczny skaner, który dwukrotnie zwraca różne wyniki na tym samym kodzie, przy rozliczaniu tokenami za każde skanowanie, nie sprawdza się w ciągłym bramkowaniu CI/CD. Harness natomiast pozycjonuje skanowanie LLM jako rozwiązanie jednorazowego poszukiwania i oferuje orkiestrację skanowania LLM dla zespołów, które chcą uruchamiać własne skanery LLM natywnie w potoku.

W dalszej części, Agent Triage priorytetyzuje znaleziska, łącząc CVSS, EPSS i analizę dostępności: Harness teraz śledzi ścieżki wywołań do konkretnej podatnej funkcji, więc zależność jest oznaczana tylko wtedy, gdy ta dokładna funkcja jest osiągalna. Agent Remediation następnie tworzy poprawkę, weryfikuje ją w potoku, aby nie zepsuć kompilacji, i otwiera pull request poddany przeglądowi człowieka. Programiści zachowują uprawnienia do scalania.

Agent Zero-Day jest elementem skierowanym bezpośrednio na problem sześciogodzinny. Monitoruje nowo ujawnione zero-day, identyfikuje każdy dotknięty artefakt i potok w środowisku klienta (mapowanie promienia wybuchu, które firma twierdzi, skraca z dni do sekund) i generuje zwalidowaną poprawkę gotową do przeglądu, pomijając całkowicie kolejkę triage. Wirtualne łatanie pokrywa pozostałe okno: gdy testy API wykryją podatność, Harness wdraża regułę ochronną w warstwie ochrony aplikacji webowych i API bez zmian w kodzie, zabezpieczając produkcję w ciągu kilku minut, podczas gdy trwa tworzenie trwałej poprawki, a następnie usuwa łatkę po wypuszczeniu poprawki.

Wszystkie sześć funkcji jest już dostępnych w platformie Harness, przy czym agenci remediacji i zero-day korzystają z istniejących mechanizmów zarządzania potokiem: bramek polityk, zatwierdzeń i łańcucha odpowiedzialności dla każdego artefaktu.

Rozwój Harness w kierunku agentowego AppSec

Premiera rozszerza łuk bezpieczeństwa, który rozpoczął się, gdy Harness połączył się z firmą zajmującą się bezpieczeństwem API Traceable w lutym 2025 r., co spowodowało, że współzałożyciel Traceable, Sanjay Nagaraj, objął kierownictwo nad działem bezpieczeństwa aplikacji połączonej firmy. W lipcu 2026 r. firma wypuściła Agent DLC, warstwę zarządzania cyklem życia rozwoju agenta AI: podstawowe skanowanie, lista materiałów AI (AI bill of materials), wykrywanie agentów oraz zaporę AI egzekwującą politykę przeciw wstrzykiwaniu promptów i niewłaściwemu użyciu narzędzi w czasie działania. Kilka dni później rozszerzyła partnerstwo z Kong, aby wprowadzić wykrywanie i ochronę AI do AI Gateway Kong, inwentaryzując każdy model, serwer MCP i narzędzie kierowane przez tę bramę.

Unite.AI śledzi tę samą przyspieszenie po stronie ofensywnej, od Claude przekształcającego benchmark cybernetyczny w trzy rzeczywiste włamania po badanie IBM, które wykazało, że AI odegrało rolę w jednej na cztery złośliwe naruszenia, oraz po stronie defensywnej, modele obrony cybernetycznej Daybreak od OpenAI, które trafiły na Amazon Bedrock. Zakładanie Harness polega na tym, że to potok naprawczy, a nie tylko wykrywanie, będzie miejscem, w którym prędkość maszynowa musi się pojawić jako następna.

To, czy agenci piszący własne poprawki zdobędą zaufanie przedsiębiorstw, będzie zależało od otaczającego ich mechanizmu weryfikacji, co potwierdziło się, gdy Copilot Autofix otworzył wstrzyknięcie powłoki w potoku CI/CD Snowflake. Odpowiedź Harness jest architektoniczna: agenci proponują, potok weryfikuje, a człowiek scala.