AI News

Detectify 推出 Agentic Tooling,让 AI 智能体实测运行中应用的疑似漏洞

SiliconANGLE更新于 11月16日 21:09

Detectify's Agentic Tooling lets AI agents test suspected flaws in running applications - SiliconANGLE

AI 导读

Detectify 发布 Agentic Tooling,让企业自有 AI 智能体在运行中的应用里验证疑似漏洞是否可被利用,并通过 Security Ledger 记录每次测试的证据。工具通过 MCP 或 CLI 接入客户已有智能体,结合其十余年测试引擎、Surface Monitoring 攻击面数据和 2025 年 3 月上线的 Alfred。Detectify 称客户约 80% 的 AI 静态扫描发现是噪声,该产品今日起可申请使用。

正文 · AI 翻译

瑞典应用安全公司 Detectify AB 今日推出 Agentic Tooling,这是一套工具,旨在让组织自己的人工智能智能体测试疑似漏洞能否在运行中的应用里被利用。

同样属于此次发布一部分的新 Security Ledger,旨在记录每次测试背后的证据。Detectify 将此次发布瞄准那些不确定能否信任其 AI 智能体所报告内容的 DevSecOps 团队。

Detectify 客户报告称,其 AI 驱动的静态应用安全测试工具发现的约 80% 结果是噪声。该公司警告说,在交付答案的压力下,智能体也可能就一项它从未运行过的测试生成一份令人信服报告。

甚至在 AI 智能体进入画面之前,许多安全团队就已经落后了。根据 Detectify 的 2026 年下半年网络卫生指数,每 10 个未修复的严重和高危漏洞中就有 9 个暴露时间超过 90 天。在复旦大学和腾讯控股有限公司研究人员的一项研究中,所检查的静态分析告警中有 76% 被发现是误报。每一个都让开发者花费 10 到 20 分钟来审查。

通过 Agentic Tooling,智能体可以利用 Detectify 十多年来构建的测试引擎。其中包括源自其道德黑客社区的载荷评估、来自其 Surface Monitoring 产品的攻击面数据,以及 Alfred——该公司于 2025 年 3 月推出的一款 AI 系统,用于自动化测试已知漏洞。

这些工具在客户自己的环境中运行,通过 Model Context Protocol 或命令行界面连接到智能体。它们仅对客户提供的数据进行操作,并且据称可与客户已经使用的任何智能体配合工作。

设计的核心是循环工程,这是一种新兴实践,即以自动化、重复的工作流运行 AI 智能体,而不是手动提示它们。每个循环的启动都由一个触发器触发,例如一次持续集成运行。无论发现来自代码扫描、漏洞赏金报告、红队还是 Detectify 自己的攻击面数据,每个发现都会被转化为一张工单。

一旦智能体接手一张工单,它会先阅读相关代码,然后像攻击者那样从外部测试实时应用。持续运行时,这个循环就变成了 Detectify 所称的验证工厂。

每当智能体使用 Detectify 的工具时,发送的请求、使用的载荷和返回的结果都会记录在 Security Ledger 中。这个仅追加的账本由 Detectify 而非智能体编写,让团队能够将有实际测试支持的发现与缺乏支持的 AI 结论区分开来。任何可能造成危害的工单,例如拒绝服务测试,都会被标记为不安全,需由人工决定。

“让一个智能体写你的代码,然后问同一个智能体它是否安全。如果它说是,你其实并不知道,”联合创始人兼首席执行官 Rickard Carlsson 说。据 Carlsson 称,有很多智能体编造证据以取悦提问者的例子,他将 Detectify 的目标描述为“构建智能体无法编造的证据”。

Agentic Tooling 从今天起可申请使用,它建立在公司于 5 月宣布的 Detectify MCP Server 之上,后者让 AI 智能体能够访问其安全发现。投资者包括 Insight Partners(于 2024 年 10 月取得多数股权),以及 Balderton Capital (UK) LLP、Inventure、First Fellow Partners Oy 和 SquareOne App Ltd。

图片:Detectify

来源

SiliconANGLE