Cybersäkerhet

BigID lanserar AgentIQ för agentstyrd datasäkerhet och efterlevnad

mm
Lägg till Unite.AI bland dina föredragna källor på Google

BigID den 21 september 2026 annonserade lanseringen av AgentIQ, ett agentbaserat automatiseringsgränssnitt som låter kunder driva sina datasäkerhets- och efterlevnadsprogram från en prompt eller en AI‑agent, antingen inom BigID eller direkt från Claude, Copilot, GPT eller Gemini.

Vad AgentIQ gör

Frisläppandet beskriver AgentIQ som ett helt agentbaserat automatiseringsgränssnitt till BigID. Kunder kan skriva anpassade prompts eller använda förbyggda BigID‑agenter för att hämta, rapportera, svara på eller åtgärda data‑ och AI‑säkerhets‑ och efterlevnadsöverträdelser, och BigID säger att körning av en fråga varken kräver ett nytt gränssnitt eller en säkerhetsanalytiker. Anpassade företagsagenter och interna AI‑plattformar stöds som ytor tillsammans med BigID självt.

BigID grupperar produktens funktioner under en uppsättning operativa etiketter. Ask hanterar frågor om data‑ och AI‑landskapet, omfattande moln, SaaS, lokala system, databaser och filer, med anpassad rapportering som returneras. Investigate arbetar med data‑ och åtkomstöverträdelser för att fastställa vem och vad som påverkades. Consult och Reason låter kunder arbeta med den modell de föredrar för regulatorisk efterlevnad, säkerhetsramverk och branschens bästa praxis. Assess Risk rangordnar fynd efter känslighet, exponering, aktivitet och affärskontext. Act utför svaret: återkallar åtkomst, åtgärdar exponering, tillämpar retention, karantän, verkställer policy och uppfyller förfrågningar. Automate placerar åtgärder på en autonom, kontinuerlig grund med hjälp av BigIDs agenter eller kundens egna.

”Varje data & AI‑program begränsas av hur många personer du kan sätta på det. AgentIQ tar bort begränsningen,” sade Dimitri Sirota, BigIDs VD och medgrundare. Han sade att tillvägagångssättet beror på sammanhanget och menar att en agent utan djup data‑kontext kommer att ge självsäkra men felaktiga svar om en organisations mest känsliga data.

Förbyggda agenter, arbetsflöden och integrationer

Enligt BigIDs AgentIQ‑produktsida levereras fyra förbyggda agenter vid lanseringen: Remediate Sensitive Data, AI Governance Enforcement, Access Exposure Analysis och Privacy Operations. På samma sida beskriver BigID sig själv som den första datasäkerhetsplattformen som är byggd för att drivas av agenter snarare än att bara läsas av dem.

BigID listar exempel på jobb som AgentIQ hanterar från början till slut med en enda begäran. I ett fall lokaliserar agenten internetexponerad känslig data, rangordnar den efter affärsrisk och, efter godkännande, återkallar offentlig åtkomst för de tio högst rankade objekten, med loggning av varje åtgärd. Ett annat omfattar sanktionerade och skugg‑AI‑system som berör reglerad data, kartlägger den data varje system konsumerar och flaggar policyöverträdelse. Ett tredje granskar behörigheter över system, identifierar överdriven och föråldrad åtkomst till kunders PII och tar bort den. Ett fjärde hanterar en begäran om registreringssubjekt genom att uppfylla den i alla system där personens data finns.

Rapportering startar från en naturlig språkbeskrivning av en engångs‑ eller schemalagd rapport, körd mot metadata, skanningsfynd och aktivitet, med utdata formaterad för den efterfrågande målgruppen. Undersökningsfunktioner inkluderar att beräkna ett inträffat brotts påverkningsradie över data och åtkomst, härleda dataflöden genom system som aldrig kartlagts, samt granska vilken data som är exponerad, vem som kan nå den och varifrån.

BigID säger att AgentIQ fungerar med de DLP‑ och datastyrningsverktyg som kunder redan använder snarare än att ersätta dem, med DLP‑fynd hanterade via en enda prioriterad kö och samordning med andra agentbaserade plattformar hanterad på ett ställe istället för duplicerat. Arbete kan visas i Teams och Slack. Plattformen omfattar BigIDs mer än 200 integrationer över lokala, moln‑, SaaS‑ och API‑datakällor, och täcker data i vila, i rörelse och i bruk.

Köp, bygg eller ta in distribution

Implementeringen följer det som BigID kallar en köp‑, bygg‑ eller ta‑in‑modell. BigID säger att deras förbyggda agenter distribueras på minuter utan någon agentutveckling. Kunder kan också bygga egna agenter på AgentIQ‑plattformen och åtgärdsyta, kopplade till deras arbetsflöden och policyer, eller ta in agenter från externa AI‑plattformar och låta dem arbeta direkt med BigID via företagets säkra MCP. Verktyg på MCP‑ytan kan utökas av kunder och partners.

Nimrod Vax, BigIDs produktchef och medgrundare, sade att kunderna berättade för företaget att de inte ville ha en annan konsol och inte ville satsa sitt säkerhetsprogram på en enda modell. ”Så vi byggde lagret, inte destinationen,” sade han. Tillkännagivandet anger att det inte finns någon låsning till en leverantörs agent, en modell eller ett gränssnitt.

Riktlinjer och företagskontroller

Agentbehörigheter speglar de för den begärande användaren, verkställs på API‑ och MCP‑lagret istället för att begäras i en systemprompt. Dataåtkomst går via den identitet som är kopplad till varje agent snarare än genom agenten direkt, och varje åtgärd som en agent utför loggas och knyts till en ansvarig person. Företagskontroller inkluderar finfördelad RBAC på varje API‑ och MCP‑tjänst, lösenordslagring för de referenser som en agent använder, ta‑med‑sina‑nycklar‑principen och telemetri över agentaktivitet. Air‑gap‑stöd gör agentbaserad drift tillgänglig i en suverän implementering.

AgentIQ är allmänt tillgänglig, enligt BigIDs produktsida.

Miles Okada är en AI-genererad analytiker på Unite.AI, som täcker artificiell intelligens och cybersäkerhet med fokus på nya hot, defensiva arkitekturer och de föränderliga dynamikerna mellan angripare och automatiserade system. Hans arbete undersöker hur AI omformar säkerhetsoperationer, från autonom hotdetektering och respons till uppkomsten av adversarial AI-tekniker.
Med en teknisk och undersökande perspektiv analyserar Miles säkerhetsforskning, incidentrapporter och verkliga distributioner för att förstå var AI stärker försvar - och var den introducerar nya sårbarheter. Han ägnar särskild uppmärksamhet åt modellutnyttjande, dataförgiftning, attackautomatisering och de operativa realiteterna för att skydda AI-drivna system i stor skala.
Artiklar skrivna av Miles Okada är AI-genererade och granskade av Unite.AIs redaktionella team för att säkerställa noggrannhet, stränghet och ansvarsfull rapportering av den snabbt föränderliga AI-säkerhetslandskapet.