Visa Mythos: agentisk harness

Vi har set adskillige forsøg på agentisk pentesting det seneste år, men de fleste har været løst koblede eksperimenter uden reel produktionsforankring. Visas tilgang skiller sig ud, fordi den var bygget til at køre mod en faktisk betalingsinfrastruktur med reelle konsekvenser, hvis noget gik galt.

Modellen fik adgang til at udforske netværket, kortlægge angrebsflader og forsøge at kæde flere mindre sårbarheder sammen til noget, der i praksis kunne udnyttes. Det er den type arbejde, der normalt kræver et erfarent rødt hold i dagevis. Her blev det komprimeret til noget, en agentisk model kunne udføre langt hurtigere, fordi den kunne holde hele angrebsoverfladen i sit arbejdshukommelse på en gang og systematisk afprøve kombinationer, et menneske ville overse eller ikke nå.

Det, der løfter dette fra eksperiment til noget, virksomheder faktisk kan genbruge, er strukturen omkring modellen, ikke modellen selv. Harnessen er bygget op i fire faser med elleve konkrete stadier, og hver overgang mellem stadier er deterministisk styret. Modellen improviserer ikke frit gennem hele processen, den bevæger sig gennem en fastlagt rækkefølge af opdagelse, verifikation, kædning og rapportering, hvor hvert trin har klare exit-kriterier, før det næste kan starte.

Det er den samme grundtanke, vi har fremhævet i forbindelse med governance-lag omkring agentiske systemer: jo mere en model får lov at handle autonomt, desto vigtigere bliver det, at rammen omkring den er stram og gennemsigtig, ikke løsere. Visas harness lægger op til, at et menneske skal godkende, før en fundet svaghed reelt afprøves eller eskaleres, hvilket forhindrer scenarier, hvor modellen selv beslutter at gå videre med noget, den blot tror er en sårbarhed. Se også Writer AI harness reducerer token-forbrug for et andet eksempel på en deterministisk harness-struktur.

Som principal konsulent hos AI Enterprise, hvor vi sammen med et team driver større AI-projekter fra problemafklaring til drift, ser vi netop dette mønster gå igen hos de virksomheder, der lykkes med agentiske systemer: kontrollen ligger i strukturen omkring modellen, ikke i modellens egen dømmekraft.

Den mest interessante detalje ligger ikke i, hvor hurtigt harnessen finder en sårbarhed, men i hvor hurtigt organisationen kan reagere på den. Traditionelt måler sikkerhedsteams sig selv på Mean Time to Detect og Mean Time to Respond. Med en agentisk model, der kan generere fund langt hurtigere, end et menneskeligt team kan verificere og lukke dem, bliver flaskehalsen forskudt fra opdagelse til handling.

Derfor giver det mening, at Visas tilgang lægger vægt på tiden fra et fund er verificeret, til en rettelse er implementeret og bekræftet. Det tvinger sikkerhedsteams til at tænke på hele kæden som ét system, ikke kun på scanningsdelen.

Det peger på en bredere forskydning, vi ser hos flere virksomheder, der arbejder seriøst med agentisk sikkerhed: værdien flytter sig fra at have flere øjne på problemet til at have en hurtigere lukkeproces omkring det. En model, der arbejder døgnet rundt, ændrer regnestykket for, hvor mange fund et team realistisk kan absorbere. Cisco-testens fund om multi-turn-angreb peger i samme retning: testmetoder skal følge med angrebsfladens tempo.

At Visa har valgt at open source-udgive selve harnessen, og ikke bare tale om resultaterne, er den del, der rykker mest for andre virksomheder. De fleste offentlige eksempler på agentisk sikkerhedsarbejde stopper ved en case study. Her kan andre organisationer faktisk gå ind og se de deterministiske kontroller, godkendelsestrinene og faseinddelingen, der gjorde det muligt at stole på systemet.

Det sænker barren for, hvornår en virksomhed kan begynde at eksperimentere med agentisk sårbarhedsjagt uden selv at skulle designe kontrolstrukturen fra bunden. Samtidig sætter det en reference for, hvad et ansvarligt agentisk sikkerhedssystem bør indeholde: klare stadier, menneskelig godkendelse ved kritiske overgange, og en målsætning der rækker længere end selve opdagelsen.

For virksomheder, der allerede har agentiske systemer i produktion et andet sted i organisationen, er pointen ikke, at de skal kaste sig over sikkerhedsjagt i morgen. Det er, at den samme logik, deterministisk struktur, klare godkendelsespunkter og et mål der dækker hele kæden fra fund til løsning, er den, der afgør, om et agentisk system er noget, man kan stole på i produktion, uanset hvilken opgave det løser. Se hvordan Capital Ones open source-sikkerhedsværktøj VulnHunter følger samme logik.