Chainguard führt KI-Werkzeug zur Entdeckung von Anwendungs-Schwachstellen ein
Chainguard hat Chainguard Harness vorgestellt, ein Cybersicherheitswerkzeug, das fortschrittliche KI-Modelle nutzt, um exploiterbare Schwachstellen im Anwendungscode zu finden und zu beheben, ohne direkten Zugriff auf die KI-Modelle zu benötigen.
Seattle, WA – Chainguard hat Chainguard Harness auf den Markt gebracht, ein Werkzeug zur Cybersicherheit, das darauf ausgelegt ist, exploiterbare Schwachstellen im Anwendungscode zu identifizieren und zu beheben. Das Werkzeug nutzt fortschrittliche KI-Modelle, darunter Anthropic's Claude Mythos 5.1, um die Anwendung einer Organisation zu analysieren, indem es diese in einer isolierten MicroVM-Umgebung erstellt. Harness durchsucht dann die live laufende Instanz nach Schwachstellen und liefert bereit zur Integration. Fehlerbehebungen.
Ein wesentlicher Vorteil von Harness ist die Fähigkeit, Organisationen die Fähigkeiten der fortschrittlichen KI im Bereich der offensiven Sicherheit zur Verfügung zu stellen, ohne dass diese ihre eigenen komplexen KI-Modelle verwalten müssen. Im Gegensatz zu herkömmlichen Scannern, die statischen Code analysieren und möglicherweise Fehlalarme erzeugen oder laufzeitspezifische Probleme übersehen, testet Chainguard Harness die Anwendung in ihrem operativen Zustand. Dieser Ansatz zielt darauf ab, Logikfehler und Injektionspfade aufzudecken, die erst während der Ausführung auftreten, und reduziert so Rauschen und konzentriert sich auf nachgewiesene Schwachstellen.
"Jedes Mal, wenn wir Harness auf Code gerichtet haben, hat es ernsthafte, ausnutzbare Schwachstellen gefunden, auch in Software, die bereits viele Male gescannt wurde", sagte Dan Lorenc, CEO und Mitbegründer von Chainguard. "Harness bietet Sicherheitsteams eine Möglichkeit, nachgewiesene Schwachstellen und Korrekturen zu erhalten, die ihre Ingenieure ausliefern können."
Chainguard Harness ist über den Claude Marketplace von Anthropic erhältlich. Das Werkzeug verbindet sich über GitHub mit dem Code-Repository eines Teams, erstellt die Anwendung und startet sie in einer isolierten Umgebung. Die KI sucht dann nach Schwachstellen in der live laufenden Anwendung. Alle gefundenen Schwachstellen werden reproduziert und verifiziert, bevor Korrekturen bereitgestellt werden, wobei die Korrekturen auf die spezifische Codebasis zugeschnitten sind.