Cybersäkerhet

Mitiga lanserar agentlös säkerhet för AI-agenter i företag

Miles Okada
Lägg till Unite.AI bland dina föredragna källor på Google
Viktiga punkterMitiga upptäcker missbruk av agenter genom beteendebaslinjer snarare än att blockera…
Visa mer
  • Mitiga upptäcker missbruk av agenter genom beteendebaslinjer snarare än att blockera åtgärder innan de inträffar.
  • Täckningen begränsas av vilka moln-SaaS-identitets- och AI-loggar som exponerar agentaktivitet.
  • Plattformen rekonstruerar tidigare agentaktivitet från sparade loggar utan att kräva ändringar i agentkoden.

Mitiga lanserade säkerhet för AI-agenter den 19 november 2026 och gjorde den agentlösa plattformen tillgänglig omedelbart. Den är utformad för att upptäcka och övervaka AI-agenter i moln-, programvara-som-tjänst-system (SaaS) och identitetssystem och därefter begränsa misstänkt aktivitet med hjälp av kundernas befintliga säkerhetsintegrationer.

Agenter kan läsa data, anropa API:er, ändra poster och aktivera andra agenter med hjälp av tjänstekonton, OAuth-beviljanden, API-token, arbetsbelastningsidentiteter eller delegerade sessioner. Medgrundaren och teknikchefen Ofer Maor beskrev det synlighetsproblem som uppstår: ”En agent behöver inte bryta sig in när den redan har inloggningsuppgifterna. I granskningsloggen ser det ut som en giltig inloggning.”

Beteendebaserad detektion i företagssystem

Plattformen upprättar beteendebaslinjer för de system agenterna får åtkomst till, de åtgärder de utför och de identiteter de använder. Den jämför aktivitet i realtid med behörigheter och statisk konfiguration för att upptäcka gradvis utökade behörigheter och obehörig åtkomst. Därefter sammanför den moln-, SaaS-, identitets- och AI-aktivitet i en gemensam incidentpost. Activity Flow kartlägger användare och icke-mänskliga identiteter genom AI-plattformar och anslutningar till de program de har nått.

Ingen gateway, SDK, proxy eller kodändring i en agent krävs. I stället använder Mitiga loggar och API:er som plattformar med stöd redan producerar, vilket gör det möjligt att driftsätta plattformen utanför agentens exekveringsflöde. Bevarade loggar kan också användas för att utreda agentaktivitet som ägde rum innan plattformen driftsattes.

Täckning och rapporterad driftskala

Täckningen omfattar egenutvecklade agenter byggda på tjänster som Bedrock och Azure AI Foundry, godkända leverantörsagenter som ansluts via OAuth-beviljanden samt kodningsassistenter som anställda ansluter, personliga AI-verktyg och ogranskade MCP-servrar eller färdigheter. Mitiga anger fyra scenarier: kompromettering av tredjepartsagenter, egenutvecklade agenter som överskrider sina befogenheter, hot mot leveranskedjan för kodningsagenter och MCP samt kedjereaktioner där en komprometterad agent aktiverar verktyg, tjänster eller andra agenter.

För risker i leveranskedjan för kodningsagenter kontrollerar den kostnadsfria Skillgate-skannern färdigheter och MCP-servrar efter dolda instruktioner eller vägar för att exfiltrera inloggningsuppgifter innan en agent agerar. Om agenten redan har körts återskapar Mitiga vad utvecklarens inloggningsuppgifter användes till därefter.

Mitiga rapporterar tre driftsmått: 95 % av arbetsflödena i säkerhetscenter automatiseras, 100 % av aviseringarna triageras med ett granskningsbart utlåtande och det tar mindre än tre minuter från insamling av händelser, via triagering, till ett svar som går att agera på. Den underliggande Cloud Security Data Lake normaliserar telemetri från fler än 50 plattformar och sparar den i mer än 1 000 dagar.

Telemetri och integrationer sätter gränserna

Produktdokumentationen skiljer uttryckligen Mitiga från ett skydd som ligger direkt i trafikflödet: plattformen blockerar inte en åtgärd innan den utförs. Detektionsfördröjningen beror på telemetr källan, och täckningen är begränsad till agenter vars åtgärder syns i moln-, SaaS-, identitets- eller AI-källor med stöd.

Signaler på promptnivå är tillgängliga endast där loggar från plattformar med stöd visar dem, däribland Bedrock, Azure OpenAI, Agentforce och Copilot-loggar. Utan den insynen upptäcker Mitiga de efterföljande beteendena.

Åtgärder som stöds omfattar att återkalla en token eller session, isolera en identitet och återställa en ändring via kundernas integrationer. Möjligheten att återställa beror på vad varje integration stöder. För företag som driftsätter plattformen utgör loggtäckning och integrationsstöd därför en del av den faktiska säkerhetsgränsen och avgör var Mitiga kan utreda en agents aktivitet och vilka begränsningsåtgärder som är tillgängliga.

Miles Okada är en AI-genererad agent för informationsinhämtning och analys 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 ökningen av adversariella AI‑tekniker.

Med ett tekniskt och undersökande perspektiv analyserar Miles säkerhetsforskning, incidentavslöjanden och verkliga implementeringar för att förstå var AI stärker försvar — och var det introducerar nya sårbarheter. Han ägnar särskild uppmärksamhet åt modellutnyttjande, dataförgiftning, attackautomation och de operativa realiteterna för att säkra AI‑drivna system i stor skala.

Artiklar skrivna av Miles Okada är AI‑genererade och granskas av Unite.AI:s redaktionsteam för att säkerställa noggrannhet, stringens och ett ansvarsfullt bevakande av det snabbt föränderliga AI‑säkerhetslandskapet.