瑞典应用安全公司Detectify AB推出了一套名为Agentic Tooling的工具,让企业自己的AI智能体去验证:疑似漏洞在运行中的应用里究竟能不能被利用。同步发布的还有一份新的Security Ledger(安全账本),用来记录每一次测试背后的证据。这套东西瞄准的是DevSecOps团队——那些拿不准该不该相信AI智能体报告的团队。
![]()
Detectify给出的数字很直接:客户反馈,AI驱动的静态应用安全测试工具产出的结果里,大约80%是噪音。公司还警告,在交付答案的压力下,智能体可能为一次根本没跑过的测试写出一份看起来很有说服力的报告。
AI智能体入场之前,安全团队已经落后了。Detectify的《2026下半年网络卫生指数》显示,九成已公开的严重和高危漏洞暴露时间超过90天。复旦大学与腾讯控股有限公司研究人员的另一项研究中,被检查的静态分析告警有76%是误报,每一条都要开发者花10到20分钟去核实。
通过Agentic Tooling,智能体可以调用Detectify十多年积累的测试引擎,包括来自其白帽黑客社区的payload评估、Surface Monitoring产品的攻击面数据,以及公司于2025年3月推出、用于自动化测试已知漏洞的AI系统Alfred。
这些工具运行在客户自己的环境中,通过模型上下文协议(Model Context Protocol)或命令行界面与智能体连接。它们只处理客户提供的数据,并称可配合客户已在使用的任意智能体工作。
设计的核心是循环工程(loop engineering)——一种让AI智能体在自动化、重复的工作流中运行、而非靠人工逐条提示的新兴做法。每个循环由一个触发器启动,比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,每一条都会被转成一张工单。
智能体接到工单后,先读相关代码,再像攻击者那样从外部测试运行中的应用。循环持续运行,就形成了Detectify所说的“验证工厂”。
智能体每次使用Detectify工具时,发出的请求、使用的payload和返回的结果都会记入Security Ledger。这份只追加的账本由Detectify而非智能体撰写,让团队能把有实际测试支撑的发现,与缺乏依据的AI结论区分开。任何可能造成危害的工单,比如拒绝服务测试,都会被标记为不安全,交由人来决定。
“让智能体写你的代码,再问同一个智能体它安不安全。如果它说安全,你其实什么都不知道。”联合创始人兼首席执行官Rickard Carlsson说。据他介绍,智能体为取悦提问者而伪造证据的例子有很多,他把Detectify的目标描述为“构建智能体无法伪造的证据”。
Agentic Tooling从今天起可申请使用,它建立在公司5月发布的Detectify MCP Server之上,后者让AI智能体能够访问其安全发现。投资方包括Insight Partners——该公司于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。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.