Harness выпускает AI‑агенты для сканирования, триажа и исправления уязвимостей со скоростью машины

Harness, компания из Сан‑Франциско, предоставляющая платформу для доставки программного обеспечения, 19 августа 2026 года запустила набор AI‑агентов по безопасности — AI SAST, агентный триаж и исправление, специализированный Zero‑Day Agent и виртуальное патч‑применение — созданный для сокращения разрыва между обнаружением уязвимости и выпуском исправления с недель до часов.

Аргументация основана на асимметрии, которую защитники продолжают терять. В инженерном посте Harness, подробно описывающем запуск компания ссылается на средний показатель в 55 дней для устранения уязвимости из отчёта Edgescan 2026 Vulnerability Statistics Report, в то время как сроки атакующих (отслеживаемые Zero Day Clock) достигают первого эксплойта уже через шесть часов после раскрытия. Даже после написания исправления, согласно отчёту DORA 2025, время от коммита до продакшна превышает неделю. Защитники пытаются закрыть окно, измеряемое часами, с помощью процесса, измеряемого неделями.

Модели переднего края теперь воздействуют с обеих сторон этого разрыва. Сканирование на основе LLM выявляет значительно больше находок, чем традиционный статический анализ — партнёры проекта Project Glasswing, предоставляющего партнёрам по безопасности доступ к модели Claude Mythos Preview для поиска уязвимостей в критическом программном обеспечении, обнаружили примерно в десять раз больше уязвимостей в тестах. Однако видимость без обработки лишь увеличивает очередь: Comcast, участник Glasswing, обнаружил, что 44 % его критических и высокосерьёзных находок LLM были ложноположительными, а лишь 36 % критических и 33 % высокосерьёзных находок подтвердились как эксплуатируемые.

«Мы находимся в точке, когда те же модели ИИ, помогающие нашим клиентам быстрее выпускать программное обеспечение, также используют атакующие для более быстрого обнаружения и эксплуатации уязвимостей», — сказал Рахул Сууд, генеральный менеджер по безопасности приложений в Harness, в объявление компании. «Единственный способ закрыть этот разрыв — сделать безопасность первоклассной частью конвейера поставки.»

Что действительно делают агенты

Слой сканирования преднамеренно делит разницу между детерминированным и вероятностным анализом, что является заметным дизайнерским выбором с учётом текущего энтузиазма отрасли к направлению LLM на кодовые базы. AI SAST от Harness сочетает детерминированный движок потоков данных с уровнем уверенности ИИ, классифицирующим каждую находку как подтверждённый риск, потенциальный риск или контекстно безопасную. Сравнительные тесты компании против корпуса OWASP Java показывают, что слой сократил количество ложноположительных результатов на 79 % (с 454 до 95) и повысил точность с 74 % до 93 % при сохранении 91 % полноты. По insecure direct object reference (класс нарушения контроля доступа, который анализ потоков данных структурно не может увидеть, поскольку нет некорректного ввода для сопоставления), Harness заявляет о 71 % полноты при 99 % точности в корпусе из 390 случаев на Go, Java и Python. Это собственные бенчмарки поставщика, но базовый аргумент звучит убедительно: вероятностный сканер, возвращающий разные результаты при двух сканированиях одного и того же кода и взимающий плату за токен за скан, плохо подходит для непрерывного контроля CI/CD. Harness позиционирует сканирование LLM как разовый охотничий процесс и предлагает LLM Scan Orchestration для команд, желающих запускать собственные сканеры LLM непосредственно в конвейере.

Ниже по цепочке, агент триажа приоритизирует находки, комбинируя CVSS, EPSS и анализ достижимости: Harness теперь прослеживает пути вызовов до конкретной уязвимой функции, поэтому зависимость помечается только в том случае, если эта функция действительно достижима. Агент исправления затем пишет патч, проверяет его в конвейере, чтобы не нарушить сборки, и открывает pull‑request, проверенный человеком. Разработчики сохраняют право слияния.

Zero‑Day Agent — это элемент, направленный непосредственно на проблему шести часов. Он мониторит новые раскрытые zero‑day, идентифицирует каждый затронутый артефакт и конвейер в окружении клиента (карта «blast‑radius», по словам компании, сокращается с дней до секунд) и генерирует проверенное исправление, готовое к обзору, полностью обходя очередь триажа. Виртуальное патч‑применение покрывает оставшееся окно: когда тестирование API обнаруживает уязвимость, Harness развёртывает защитное правило на уровне веб‑приложения и защиты API без изменения кода, защищая продакшн в течение минут, пока пишется постоянное исправление, после чего патч удаляется, когда исправление доставлено.

Все шесть возможностей уже доступны в платформе Harness, при этом агенты исправления и zero‑day работают на существующей системе управления конвейером: политические ворота, одобрения и цепочка ответственности за каждый артефакт.

Развитие Harness к агентной AppSec

Запуск расширяет дугу безопасности, начавшуюся, когда Harness объединилась с фирмой по API‑безопасности Traceable в феврале 2025 года, сделав со‑основателя Traceable Санджая Нагараджем руководителя бизнеса по безопасности приложений объединённой компании. В июле 2026 года компания выпустила Agent DLC, слой управления жизненным циклом разработки AI‑агентов: базовое сканирование, AI‑Bill of Materials, обнаружение агентов и AI‑firewall, обеспечивающий политику против внедрения подсказок и злоупотребления инструментами во время выполнения. Спустя несколько дней она расширила партнёрство с Kong, чтобы внедрить обнаружение и защиту AI в AI‑Gateway от Kong, инвентаризируя каждую модель, сервер MCP и инструмент, проходящие через него.

Unite.AI отслеживает тот же ускоряющий процесс со стороны атак, от Claude, превратившего кибер‑бенчмарк в три реальных вторжения до вывода IBM о том, что ИИ сыграл роль в одной из четырёх злонамеренных утечек, а со стороны защиты — модели кибер‑защиты Daybreak от OpenAI, появившиеся на Amazon Bedrock. Ставка Harness состоит в том, что именно конвейер исправлений, а не только обнаружение, станет тем местом, где машинная скорость должна появиться следующей.

Будет ли доверие предприятий к агентам, пишущим собственные исправления, зависеть от валидационного каркаса вокруг них, подтверждает случай, когда Copilot Autofix открыл уязвимость типа shell injection в CI/CD‑конвейере Snowflake. Ответ Harness — архитектурный: агенты предлагают, конвейер проверяет, а человек сливает.