חזרה לפיד
articlesמקור: Wiz Blog30.7.2026

הדור הבא של אבטחת קוד: מערכות סריקה מבוססות סוכני AI

אמ;לק

חברת Wiz מציגה גישה חדשה לאבטחת קוד (AppSec) המשלבת סוכני AI חכמים. הפתרון נועד לספק הגנה עמוקה ומהירה יותר לאורך כל מחזור חיי הפיתוח.

סיכום בעברית: מערכת VibeSec · מדיניות המקורות

נוסף ל-VibeSec:

כותרת מקורית: Rethinking Scanning for the AI Era: Wiz’s Agentic Code Security System

הדור הבא של אבטחת קוד: מערכות סריקה מבוססות סוכני AI

התוכן המלא בעברית

תרגום אוטומטי מהמקור; מונחים טכניים נשארו באנגלית. לנוסח המחייב — הכתבה המקורית.

תקציר מנהלים

הקפיצה האחרונה ביכולות המודלים לאבטחה שינתה מהותית את מה שניתן להשיג בתחום אבטחת היישומים. בינה מלאכותית (AI) מסוגלת לחשוף פגמים מורכבים שחומקים מסורקים מסורתיים, מבדיקות חדירות (pentests) ואפילו מבקרים אנושיים מנוסים. עבור צוותי אבטחה, עם זאת, השאלה היא כבר לא האם להשתמש ב-AI, אלא כיצד להטמיע אותו בתוכנית אבטחת יישומים שמגנה עליהם באופן רציף ובקנה מידה ארגוני, במקום להסתמך על סריקות חד-פעמיות שמתיישנות ברגע שהקוד משתנה.

מוקדם יותר השבוע שיתפנו תוצאות מ-Wiz Atlas, מערכת מחקר הפגיעות מבוססת ה-AI שלנו, שהשיגה שיעור הצלחה של 90.8% ב-CyberGym וחשפה יותר מ-200 פגיעויות שלא היו ידועות קודם לכן. Atlas הדגימה אילו אפשרויות נפתחו כעת כאשר מודלי AI מתקדמים מיושמים במחקר פגיעות. היא גם חיזקה לקח חשוב: תוכנית אבטחת יישומים ארגונית מבוססת AI דורשת הרבה יותר ממודל חזק או מסורק בודד – היא דורשת מערכת שלמה.

בהמשך הפוסט נחקור כיצד אנו תופסים את תחום אבטחת היישומים מבוסס ה-AI כמערכת שכבות, מדוע שכבות שונות דורשות יכולות שונות וכיצד הן פועלות יחד כדי לאזן בין מהירות, עלות ועומק. לאחר מכן נסביר כיצד אנו מיישמים עקרונות אלו בבניית הפתרון של Wiz לאבטחת יישומים באמצעות סוכני AI (agentic application security).

4 לקחים מרכזיים מהפעלת AI על קוד ארגוני

Atlas הראתה את הפוטנציאל הגדול של מחקר פגיעות אינטנסיבי באמצעות מודלים מתקדמים. בניית המערכת והפעלתה סייעו לנו לזהות עקרונות מפתח הנדרשים להטמעת יכולות אלו באבטחת יישומים ארגוניים:

• סריקה עמוקה בכל מקום אינה ניתנת להרחבה (Scale). ניתוח באמצעות מודלי AI מתקדמים יכול לחשוף פגיעויות מורכבות, אך הוא גם יקר ומתבצע בנקודת זמן ספציפית. כאשר מפתחים וסוכני כתיבת קוד מייצרים שינויים ברציפות, סריקה עמוקה המתבצעת אחת לרבעון אינה יכולה להגן על בסיס קוד שמשתנה מדי שעה. ארגונים זקוקים לסריקת AI רחבה ורציפה על בסיס הקוד שלהם, תוך שמירת סריקות עמוקות וממוקדות עבור יישומים, סביבות וסיכונים נבחרים.

• העומק צריך להיקבע לפי סיכון יישומי אמיתי. סורק קוד רואה את הקוד, אך ייתכן שהוא לא יודע אם הקוד פרוס בסביבת ייצור, חשוף לאינטרנט, נגיש או מחובר לנתונים רגישים. נדרשים הקשר של ענן (Cloud context) וזמן ריצה כדי לקבוע איזו פגיעות דורשת התייחסות מיידית - ואיזו מצדיקה חקירה מעמיקה ויקרה יותר.

• מודלים ומנועים שונים מצטיינים במשימות שונות. ה-Cyber Model Arena שלנו מראה שלמודלים יש חוזקות מובהקות בתחומי אבטחת הסייבר השונים. אולם, גישה של מודל בודד אינה מספיקה: מנועים שונים מביאים גם טכניקות שונות, הקשר ובחירות עיצוביות מגוונות. לכן, אבטחת יישומים ארגונית דורשת מערכת רב-מנועית ורב-מודלית, שיכולה להחיל את המנוע המתמחה הנכון עבור כל יישום ומשימה, במקום להסתמך על מנוע יחיד.

• בניית תשתית תזמור (harness) היא השקעה מתמשכת. מודלים אינם פועלים בעצמם; הם דורשים תזמור מתמיד, כוונון, השוואות ביצועים (benchmarking) ושילוב בתהליכי הפיתוח והאבטחה. תחזוקת תשתית זו היא השקעה מתמשכת שצוותי אבטחה ארגוניים לא צריכים לשאת בה בעצמם.

הכירו את AI Cyber Model Arena: בנצ'מרק מהעולם האמיתי לסוכני AI באבטחת סייבר

ה-AI Cyber Model Arena של Wiz Research מדרג את יכולות האבטחה ההתקפית של ה-AI על סמך 257 אתגרים מהעולם האמיתי (כגון zero-days, CVEs, API/web, וענן ב-AWS/Azure/GCP/K8s), ובכך מדגים את היכולות האמיתיות של מודלים וסוכני AI.

יחד, הלקחים הללו מצביעים על מסקנה אחת: לא ניתן לפתור את אתגרי אבטחת היישומים הארגונית באמצעות מודל בודד או אפילו מנוע מרובה-מודלים. נדרשת מערכת מנוהלת, מודעת להקשר ורב-מנועית, הסורקת באופן רחב ורציף, מעמיקה היכן שהסיכון מצדיק זאת, ומבצעת אופרטיביזציה לממצאים בתוך תהליכי העבודה הארגוניים.

האסטרטגיה הארגונית: לסרוק ברציפות בכל מקום, ולהעמיק היכן שהסיכון מחייב זאת

מערכת אבטחת יישומים ניתנת להרחבה צריכה ליישם רמות ניתוח שונות בהתבסס על הסיכון והמטרה של כל סריקה. אנו תופסים זאת כשלוש שכבות משלימות, שבהן סריקות שונות ממוקמות בנקודות שונות על עקומת המהירות, העומק והעלות. המטרה של מערכת שכבות היא להעניק לכל סריקה את העומק שהסיכון מצדיק – ולא יותר מכך.

שכבה 1: סריקה דטרמיניסטית בסיסית (Baseline)

סריקה בסיסית מספקת כיסוי מהיר, אמין וחסכוני עבור מחלקות פגיעות ידועות, תוך שימוש בסטנדרטים מקובלים בתעשייה ובחתימות דטרמיניסטיות. בדיקות אלו צריכות להתבצע בתדירות גבוהה, כולל במהלך הפיתוח ולפני מיזוג הקוד, כדי למנוע סוגי סיכון מוכרים במקום לטפל בהם בשלבים מאוחרים יותר.

שכבה 2: ניתוח רציף מבוסס AI

סריקה זו מיישמת ניתוח מבוסס AI באופן רציף על פני כל תיק האפליקציות.

היא נועדה לזהות פגיעויות שהתאמת דפוסים דטרמיניסטית עלולה להחמיץ, כולל סיכונים הדורשים הבנה של מבנה האפליקציה, גבולות אמון (trust boundaries), זרימת נתונים והיגיון לוגי בין פונקציות או קבצים שונים.

המטרה היא להביא ניתוח ברמת AI לכל מאגר ולכל בקשת משיכה (pull request) כחלק מכיסוי מתמשך. סורקים דטרמיניסטיים כבר רצים על כל שינוי, אך הם אינם יכולים לזהות את פגמי ההיגיון העסקי שקוד שנוצר ע"י AI עלול להכניס בתדירות הולכת וגוברת. זיהוי סוג זה של סיכון מחייב שהסריקה מבוססת ה-AI תפעל גם היא ברציפות, לא רק כבדיקה עמוקה תקופתית, אלא על כל PR.

שכבה 3: בדיקות חדירות מבוססות סוכני AI (Agentic Pentesting)

ניתוח עמוק שמור ליישומים בעלי ערך גבוה, קוד או תשתיות קריטיות, וממצאים המצדיקים השקעה נוספת. חקירות אלו משתמשות במנועים מתמחים, ניתוח לוגי ארוך טווח וניתוח אינטנסיבי יותר כדי לחשוף פגיעויות סמויות ומסלולי תקיפה מרובי שלבים.

אף מנוע בודד לא יהיה הטוב ביותר עבור כל סוג של חקירה, והמובילות משתנה עם כל שחרור של מודל מתקדם חדש. לכן, השכבה העמוקה צריכה לתמוך במספר מנועים מתמחים, של צד ראשון וצד שלישי, שייבחרו וינוהלו בהתאם ליישום ולמשימת האבטחה.

בכל שלוש השכבות, הקשר של יישום, ענן, זהות, חשיפה וזמן ריצה צריך לקבוע היכן ניתוח עמוק יספק את הערך הרב ביותר. לדוגמה, הזרקת SQL עשויה להיראות חמורה באותה מידה לסורק קוד, בין אם היא נמצאת בארגז חול פנימי ובין אם ב-API חשוף לאינטרנט. רק הקשר משולב חושף מה פרוס וחשוף באמת, מי הבעלים של הקוד, ואיזה מקרה אכן מצדיק את זמנו של החוקר.

כיצד Wiz בונה מערכת המאזנת בין מהירות, עלות ועומק

Wiz מיישמת את המודל השכבתי הזה על פני כל מחזור החיים של האפליקציה: מהקוד שבו נוצרות הפגיעויות, ועד לענן ולשטח התקיפה שבו הן נחשפות. סריקות בסיסיות, רציפות ועמוקות רצות הן על הקוד והן על סביבת היישום החיה, כאשר ה-Wiz Security Graph מחבר ביניהן למערכת אחת.

חשוב מכך, המערכת פתוחה בכל שכבה. Wiz יכולה להפעיל מנוע משלה, לקלוט אותות מפתרונות אחרים, והיא מתוכננת לתזמר מנועי סריקה מבוססי סוכני AI של צד שלישי לאורך זמן. כל ממצא, ללא קשר למקורו, עובר קורלציה ב-Wiz Security Graph וזורם דרך תהליכי האימות, התיקון וניהול מחזור החיים שצוותי AppSec כבר משתמשים בהם. הערך המרכזי הוא שארגונים לעולם אינם נעולים לסורק בודד, ונהנים מהיכולות הזמינות הטובות ביותר ככל שהתחום מתקדם.

שכבה 1: סריקה מבוססת חוקים (Rule Based)

אימות מהיר וחסכוני עבור תאימות בסיסית והיגיינת קוד.

• קוד - Wiz Rule-Based SAST (GA): חוסם אוטומטית דפוסים ידועים, קוד לא מאובטח וסודות מוטמעים (hardcoded secrets) לפני שהם ממוזגים למאגר שלך.

• ענן - Wiz ASM (GA): מזהה באופן רציף נכסים חשופים, הרשאות חלשות, הגדרות שגויות וסיכונים ידועים אחרים בשטח התקיפה. על ידי חיבור סיכונים אלו ליישומים ולבעלות על הקוד, Wiz עוזרת לצוותים להבין היכן נוצר הסיכון והיכן הוא הופך לחשוף.

שכבה 2: סריקות AI רציפות

ניתוח רחב ורציף שנועד לתפוס סיכונים מורכבים, מבוססי היגיון לוגי, שניתנים לגילוי ע"י AI בכל קוד האפליקציה שלך.

• קוד - Wiz AI SAST (Private Preview): זה מביא ניתוח מבוסס AI לקוד שלך, תוך חשיפת פגמי היגיון עסקי מורכבים שהתאמת דפוסים מסורתית מפספסת. המערכת עובדת בדומה לחוקר אבטחה: ראשית היא בונה הבנה של האפליקציה, נקודות הכניסה שלה וגבולות האמון שלה. משם, היא יוצרת השערות לגבי הדרכים שבהן תוקף יכול לנצל את הלוגיקה, ומבצעת הסקה על פני פונקציות וקבצים שונים כדי לבדוק אותן. הפתרון מגיע מוכן לשימוש מהיום הראשון: ללא הגדרות מותאמות אישית, ללא תשתית לכוונון, פשוט סריקת AI הפועלת בתוך זרימות העבודה של ה-AppSec שהצוות שלך כבר משתמש בהן.

• ענן - Wiz Red Agent (GA): משלים סריקות ASM רציפות על ידי בדיקה אוטונומית של סביבות ויישומים חיים באמצעות AI, ומסייע לצוותים להבין אילו חשיפות יכולות להוביל לנתיבי תקיפה אמיתיים.

שכבה 3: בדיקות חדירות ממוקדות ב-AI

עבור יישומים וסיכונים המחייבים חקירה מעמיקה יותר, Wiz בונה יכולות ממוקדות של ניתוח קוד מבוסס סוכני AI ובדיקות חדירות ליישומים.

Atlas הופכת למוצר כמנוע ניתוח עמוק ומתמחה של Wiz, תוך שהיא מביאה את יכולות מחקר הפגיעות שהודגמו במערכת Atlas אל תוך זרימת עבודה ארגונית מנוהלת. ניתן לכוון ניתוח מעמיק זה לעבר יישומים נבחרים בעלי ערך גבוה, קוד קריטי וסיכונים המצדיקים חקירה אינטנסיבית יותר.

ומכיוון שהמערכת פתוחה, Wiz יכולה גם לתזמר מנועי צד שלישי מיוחדים שבהם הם מוסיפים יכולת מובחנת. Google CodeMender, למשל, הוא דוגמה מוקדמת התורמת לניתוח ותיקון משלימים. עם הזמן, Wiz תנתב את הניתוח, האימות והתיקון על פני מספר מנועים של צד ראשון וצד שלישי, ותמיד תפעיל את הכלי הנכון למשימה במקום לקשור את התוכנית שלך לסורק יחיד.

כאן גם טמון הערך המרכזי של המודל המנוהל. שמירה על ניתוח עמוק בחזית הטכנולוגיה משמעותה הערכה מתמדת של מודלים, תשתיות תזמור וסוכנים חדשים ברגע שהם יוצאים לשוק – העבודה שמאחורי Cyber Model Arena – ושילוב המנצחים במערכת. Wiz מבצעת את ההערכה והתזמור עבורך, כך שהצוות שלך משתמש במערכת שנשארת בחזית הטכנולוגיה, במקום לבנות ולתחזק אחת כזו בעצמכם כדי לעמוד בקצב.

מה זה אומר עבור לקוחות Wiz

AI שינתה מהותית את מה שניתן להשיג באבטחת יישומים. האתגר הוא כבר לא מציאת הפגיעויות, אלא לדעת איפה ה-AI צריך להשקיע את תשומת הלב שלו.

זהו תפקידו של Wiz Code. מופעל על ידי Wiz Security Graph, הוא מחבר בין הקוד לבין זמן הריצה, זהויות, פריסות ושטח התקיפה כדי לקבוע אילו יישומים זקוקים לסריקה דטרמיניסטית, אילו זקוקים לניתוח AI רציף, ואילו מצדיקים חקירה מעמיקה מבוססת סוכנים. במקום להתייחס לכל ממצא באותה צורה, Wiz מיישמת את רמת הניתוח הנכונה על הסיכון הנכון ושומרת על המנועים הבסיסיים מעודכנים, כך שאתם לא צריכים לעשות זאת.

התוצאה היא תוכנית אבטחת יישומים שמתרחבת בהתאם לפיתוח תוכנה מודרני. סיכונים ידועים נמנעים לפני שהם ממוזגים. מפתחים מקבלים תיקונים מתועדפים וניתנים לביצוע. צוותי אבטחה מתמקדים בפגיעויות שבאמת חשובות. וארגונים נהנים מיתרונות ה-AI המתקדם מבלי לשלם את עלויותיו בכל מאגר ובכל בקשת משיכה.

אנו מאמינים שזהו עתיד אבטחת היישומים: לא סורק AI בודד, אלא מערכת תזמור חכמה שמפעילה ברציפות את הניתוח הנכון על האפליקציה הנכונה בזמן הנכון. זהו הבסיס לגישת השכבות של Wiz לאבטחת יישומים מבוססת סוכני AI.

לקוחות Wiz Code יכולים להצטרף ל-Wiz AI SAST Private Preview כדי להעריך סריקת AI רחבה ורציפה במסגרת זרימות העבודה הקיימות שלהם ב-Wiz Code ולעזור לעצב את השלב הבא של אבטחת יישומים באמצעות סוכני AI.

המשך לקרוא

#appsec#wiz#ai-security
קרא במקור