Cisco lägger till Claude Mythos i AI Defense för kontrollerad red team-testning

Cisco meddelade den 9 november 2026 att Anthropic Claude Mythos ska läggas till i AI Defenses ramverk för adaptiv red team-testning av AI-applikationer och AI-agenter. Tillkännagivandet på Cisco Live APJC i Melbourne omfattade också uppdateringar av Splunk Agent Observability och integrationer med Cisco IQ, vilket breddade lanseringen från testning till utvärdering av agentkostnader och åtgärder för att åtgärda infrastrukturproblem.

Kunder kommer inte att kunna ge Claude Mythos fria instruktioner. I stället kommer modellen att arbeta inom ett fast definierat uppdrag med ett registrerat mål och mål som fastställts av människor. Den bidrar med resonemang för testplanering och idéer till angrepp, medan AI Defense genomför testningen.

Red team-testningen håller sig inom godkända ramar

En teknisk översikt från Cisco skiljer mellan standardtestning och adaptiv testning. Standardmässig red team-testning kontrollerar vanliga risker, till exempel promptinjektion, försök att kringgå skydd, exponering av känsliga uppgifter och skadligt innehåll, inom tusentals kategorier, innehållstyper och angreppstekniker. Adaptiv testning utgår från kriterier som kunden formulerat på ett enkelt och tydligt språk, analyserar målet och tar fram skräddarsydda angrepp. Därefter används svaren för att finslipa metoden eller ändra taktik innan resultaten rapporteras och förslag på uppföljande åtgärder ges.

Skyddsåtgärderna begränsar var detta resonemang får användas. Claude Mythos kommer bara att användas mot mål som företagskunden uttryckligen har registrerat, äger och gett tillstånd att testa, och Cisco uppger att modellen inte kan skanna godtycklig internetinfrastruktur. Varje testuppdrag kräver autentisering och knyts kryptografiskt till en namngiven operatör. Sessionerna är tidsbegränsade och kan avbrytas, samtidigt som varje åtgärd loggas för granskning och resultaten kan användas i återkommande uppföljande angreppscykler.

Standardmässig och adaptiv red team-testning finns redan i AI Defense, men versionen med Claude Mythos kommer snart att erbjudas utvalda företag. En bredare tillgänglighet planeras för kvalificerade kunder, men något datum har inte fastställts. Tidplanen, omfattningen och den regionala tillgängligheten kan komma att ändras. Cisco uppger att AI Defense sedan lanseringen i januari 2025 har hjälpt hundratals kunder att identifiera brister i modeller, applikationer och AI-agenter innan de sätts i produktion.

Splunk kopplar agentkostnader till resultatens kvalitet

Uppdateringarna av Splunk Agent Observability rör den operativa sidan av driftsättningen av AI-agenter. Enhanced Tokenomics ska använda användningsdata från Amazon Bedrock och Amazon CloudWatch för att koppla varje agents kostnad till bedömningar av kvaliteten och effekten av dess arbete. Dessa tekniska mätvärden kan kombineras med mått som kunden själv väljer, till exempel Net Promoter Score eller kostnad per skadeärende. Därmed utvidgas den befintliga fördelningen av tokenkostnader till AI-agenter och kodningsverktyg, däribland Claude Code, Codex och Cursor.

Eval-G1 använder anpassade små språkmodeller för att genomföra utvärderingar och tillämpa skyddsmekanismer. Cisco uppger att modellerna kan göra detta till en kostnad som är upp till 98 % lägre än för en kommersiell LLM och ge utvärderingssvar 2,5 gånger snabbare än traditionella LLM-bedömare. Utvärderingsjusteraren omvandlar spår från AI-agenters arbete och återkoppling från ämnesexperter till finjusterade utvärderare som upprätthåller kvalitetsstandarder och styr eller blockerar AI-agenters felaktiga beteende.

Tillgängligheten varierar mellan de olika funktionerna för observerbarhet. Eval-G1 och utvärderingsjusteraren blir allmänt tillgängliga från och med november 2026. Tokenomics planeras gå in i en privat förhandsversion i december 2026, följt av allmän tillgänglighet i AWS Marketplace i början av 2027.

Cisco IQ kopplar exponering till åtgärder

Cisco uppger att IQ betjänar nära 17 000 kunder med fler än 22 miljoner anslutna enheter och tillhandahåller information om tillgångar, täckning och rådgivning. Arbetsflödet för åtgärder i Cisco IQ skickar sårbarhets-, livscykel- och konfigurationsdata via Cisco Data Fabric till Splunk Platform genom öppna API:er. Säkerhetsteam och AI-agenter kan sedan koppla samman aktuella detektioner i Splunk Enterprise Security med den underliggande nätverksexponeringen.

Anslutningar för Model Context Protocol och ServiceNow tillför strukturerad infrastrukturinformation till agenter och IT-tjänstearbetsflöden som stöds. Exponeringsfynd kan omvandlas till ServiceNow-problemärenden som är kopplade till berörda tillgångar, utan manuell avstämning av data. Cisco betonar att ett exponeringsfynd inte visar att en angripare har utnyttjat sårbarheten: arbetsflödet ska ge mer underlag för utredningar och samordna åtgärder, inte behandla varje fynd som ett bekräftat intrång.

AI-Powered Resilient Infrastructure Playbook lyfter också fram kritiska sårbarheter kopplade till livscykeln, personliga aviseringar om kända brister och beredskap för kvantsäker kryptografi, så att team och certifierade partner kan prioritera modernisering. Sammantaget håller sig genereringen av angrepp inom godkända uppdrag, utvärderingsmodeller kan tillämpa skyddsmekanismer och exponeringsdata bidrar med underlag till utredningar utan att i sig bekräfta att ett intrång har skett. För närvarande är utvärderingsmodellerna och utvärderingsjusteraren allmänt tillgängliga, medan red team-testning med Mythos och Tokenomics ännu inte är det. Det arbetsflöde från början till slut som Cisco beskriver är därför fortfarande beroende av framtida eller begränsade lanseringar.