Exaforce предлагает помощь отделам корпоративной безопасности в обнаружении и мониторинге ИИ-агентов с использованием уже собираемых данных телеметрии безопасности, вместо того чтобы требовать установки еще одного датчика конечной точки.
Объединяя данные об использовании от платформ с ИИ-агентами с данными конечных точек, облачных сервисов, SaaS и кода, Exaforce AI Security может выявлять риски, обнаруживать подозрительное поведение и реагировать на угрозы, заявила компания.
«Exaforce использует данные, которые SOC уже собирает, для инвентаризации каждого ИИ-приложения и агента, связывания каждого из них с человеком, устройством и разрешениями, стоящими за ним, обнаружения злоупотреблений и угроз, которые выглядят как легитимные действия, и их сдерживания с помощью уже существующих средств контроля», — сказал соучредитель Exaforce Арифул Хук.
Новый продукт основан на интеграции с Claude Compliance API, о которой Exaforce объявила в июне.
Exaforce AI Security расширяет эту возможность для мониторинга других поставщиков моделей, включая OpenAI, Gemini и Microsoft Copilot, а также ИИ-приложений, подключенных через OAuth, и контекста конечных точек. Это может быть сопоставлено с существующими данными SOC для определения того, что делает ИИ-агент, кто им управляет, к чему он имеет доступ и представляет ли его поведение угрозу.
Главный аналитик Osterman Research Майкл Сэмпсон отметил, что Exaforce анализирует правильные сигналы, поскольку ИИ-агенты работают на разных устройствах, источниках данных, репозиториях и идентификаторах.
Существующие решения, такие как EDR, IAM, безопасность SaaS или инструменты ведения журналов поставщиков моделей, сами по себе могут быть недостаточными, сказал он: «Необходимо объединить поведение и действия в единое целое и определить, должно ли происходящее происходить или нет».
Exaforce заявила, что ей не нужен новый шлюз, расширение браузера или агент конечной точки для сбора всех этих данных, вместо этого она получает их из систем EDR, журналов аудита и использования от поставщиков моделей, а также активности из пакетов производительности для построения контекстной картины действий ИИ-агентов.
Независимый аналитик Авива Литан отметила, что такой подход «снижает трение, позволяет избежать политики конечных точек и соответствует тому, как на самом деле начинаются большинство ранних развертываний агентских систем». Однако, по ее словам, такой «пассивный, без агентный надзор слабее для проверки в реальном времени и автоматической блокировки, которых на рынке по-прежнему в значительной степени не хватает».
Не только пассивный мониторинг
Exaforce не ограничивается пассивным мониторингом: компания заявила, что при обнаружении угрозы она может использовать существующие средства контроля EDR, идентификации и административные инструменты поставщиков моделей для выполнения таких действий, как отзыв сеанса, деактивация ключа API поставщика модели, изоляция устройства или завершение процесса агента.
Конкуренты компании применяют совершенно иные подходы к проблеме безопасности агентских ИИ-систем.
С запуском Prisma AIRS 3.0 в марте компания Palo Alto Networks сосредоточилась на централизованной видимости ИИ-агентов, обеспечении соблюдения политик и контроле над серверами MCP для защиты жизненного цикла агентских ИИ-систем. SentinelOne также нацелилась на обнаружение MCP с помощью своего продукта Prompt AI Agent Security, занимаясь также оценкой рисков, обеспечением минимальных привилегий и блокировкой вредоносных взаимодействий в реальном времени, таких как инъекции запросов. А с запуском Falcon Guardian в сентябре CrowdStrike представила новый программный агент для конечных точек, специально предназначенный для обнаружения и реагирования на ИИ.
Хотя большинство этих усилий были сосредоточены на обнаружении ИИ-агентов, недавнее исследование показало, что это лишь часть головоломки, которую предприятиям необходимо решить. Опрос Cloud Security Alliance, проведенный в марте 2026 года, показал, что 68% организаций не могли отличить действия человека от действий ИИ-агента, что делает обнаружение агентов необходимым. Но даже те агенты, о которых они знали, не обязательно находились под контролем: 74% респондентов заявили, что их ИИ-агенты получили больше доступа, чем необходимо, а 52% сообщили, что агенты иногда наследовали доступ, предназначенный для людей.
Это усложняет проблему безопасности ИИ-агентов, и еще предстоит увидеть, сможет ли ставка Exaforce на корреляцию существующей телеметрии безопасности обеспечить достаточный контроль без выделенных идентификаторов агентов, строго ограниченных разрешений и средств контроля, применяемых в точке действия агента.
«Большинство текущих предложений остаются средствами наблюдения и управления состоянием, с очень ограниченной встроенной блокировкой или устранением неполадок, а нативные платформенные средства контроля обычно ограничиваются границами их собственных облаков», — сказала Литан, добавив, что эффективное решение должно «обнаруживать санкционированных и несанкционированных агентов в облачных и хостинговых средах, сопоставлять владельца-человека и машину, связывать активность с правильным нечеловеческим идентификатором при отсутствии глобального реестра агентов и применять политики после того, как агент покинет платформу, которая его создала».
Хук из Exaforce заявил, что Exaforce AI Security движется в этом направлении: он интегрирует данные ИИ и агентов в систему, которая содержит все соответствующие данные для обеспечения необходимого контекста, чтобы отличать идентификатор человека от агента, унаследовавшего этот идентификатор.
Exaforce AI Security доступен в настоящее время на платформе Exaforce Agentic SOC, работает самостоятельно или через Exaforce MDR.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Shweta Sharma
