Wiz משיקה סוכן אבטחה חדש ל-AI
אמ;לק
חברת Wiz השיקה כלי שמטרתו לגלות סוכני AI בארגון, להבין מה המטרה שלהם ולחשוף סיכוני אבטחה חבויים. כלי חובה למי שמטמיע סוכני AI בארגון ומפחד משימוש לרעה.
סיכום בעברית: מערכת VibeSec · מדיניות המקורות
נוסף ל-VibeSec:
כותרת מקורית: Introducing the Wiz AI Security Agent

התוכן המלא בעברית
תרגום אוטומטי מהמקור; מונחים טכניים נשארו באנגלית. לנוסח המחייב — הכתבה המקורית.
בינה מלאכותית משנה לא רק את האפליקציות שארגונים בונים, אלא גם את מה שצוותי אבטחה צריכים להבין כדי לאבטח אותן.
הקשר הענן (Cloud context) נותר יסוד בסיסי לאבטחה מודרנית, ומספק נראות של זהויות, עומסי עבודה, הרשאות, פגיעויות ונתונים ברחבי הסביבה. אך סוכני AI פועלים בשכבת האפליקציה, מתזמרים הנחיות, קוראים לכלים ומבצעים לוגיקה עסקית. כדי למפות במדויק את סיכוני האבטחה של AI, צוותי אבטחה זקוקים לנראות עמוקה בשתי השכבות: הבנה של מה שקורה באפליקציה, כיצד הוא מתמפה להקשר הענן הבסיסי, והיכן השניים משתלבים זה בזה כדי ליצור נתיבי תקיפה בעולם האמיתי.
ניקח, לדוגמה, BigQuery Agent היפותטי. בסקירת הקוד שלו, ה-Wiz AI Security Agent מזהה כלים בעלי גישת קריאה וכתיבה למספר מסדי נתונים של BigQuery, לצד פגיעות של ביצוע קוד שרירותי. יחד, ממצאים אלו מראים כיצד תוקף חיצוני יכול לנצל את הפגם כדי לחטוף את כלי הסוכן ולגשת לנתונים רגישים.
ניתוח קוד לבדו מספר רק חצי מהסיפור. כדי להבין את הסיכון האמיתי, עליך לשלב בין מה שהסוכן יכול לעשות בשכבת האפליקציה לבין האופן שבו הוא מוגדר בשכבת תשתית הענן. על ידי הזנת תובנות אלו לתוך ה-Wiz Security Graph, ה-AI Security Agent מעריך את הפגיעות מול הקשר ענן רחב יותר, בודק חשיפה חיצונית, יכולות יציאה לאינטרנט (egress) והרשאות BigQuery אפקטיביות. המתאם בין שתי השכבות חושף את נתיב התקיפה השלם, מקצה לקצה.
אבטחת AI זקוקה ליותר מהקשר ענן
סוכני AI הופכים לחלק מכוח העבודה הארגוני, אך גילויים הוא אתגר בפני עצמו. ייתכן שלסוכנים מותאמים אישית המוגדרים במלואם בקוד אין API ניהול או חתימה הניתנת לזיהוי. נדרש סוכן כדי לגלות ולהבין את הסוכנים הללו, בכל מקום שבו הם פועלים ובכל שלב במחזור החיים שלהם.
• אילו סוכני AI יש לנו? גלה סוכנים, כולל יישומים קנייניים המוגדרים בקוד, וזהה את המודלים, הכלים, הכישורים, שרתי ה-MCP, ה-Gateways וה-Guardrails שלהם.
• היכן האפליקציה פגיעה? נתח את קוד האפליקציה כדי לחשוף פגמים ייחודיים ל-AI, כגון prompt injection שעלול לאפשר לתוקף לבצע פקודות שרירותיות.
• האם הפגמים הללו יכולים להפוך לנתיבי התקפה אמיתיים? חבר ממצאי יישומים עם הקשר בענן, כולל חשיפה חיצונית, יציאה מהאינטרנט, זהויות, הרשאות וגישה לנתונים רגישים, כדי לבסס יכולת ניצול והשפעה.
• האם ה-Purpose של הסוכן מצדיק את היכולות והגישה שלו? הבן למה הוא תוכנן, ולאחר מכן זהה כלים מיותרים, הרשאות וגישה לנתונים מופרזות, או חשיפה ציבורית של סוכן המיועד לשימוש פנימי בלבד.
ה-Wiz AI Security Agent מביא את הבנת האפליקציה הזו לאבטחת ענן, ומסייע לצוותים לבנות מלאי AI מלא, לחשוף נתיבי תקיפה קונקרטיים, ולהחיל עקרון הרשאות מינימליות (least privilege) בהתבסס על המטרה המיועדת של כל סוכן.
היכרות עם ה-Wiz AI Security Agent
זו בדיוק הסיבה שבנינו את ה-Wiz AI Security Agent - הזמין כעת ב-Public Preview.
ה-Wiz AI Security Agent מספק ניתוח סיכונים עמוק ורב-שכבתי בסביבות ענן - כדי לגלות ולשחזר אפליקציות AI, להעריך את המטרה המיועדת של סוכן מול יכולותיו האפקטיביות, ולחשוף סיכוני אבטחה מובנים ב-AI (AI-native), עם תחומי סיכון מיוחדים נוספים כמו ניתוח code-to-cloud ו-AI SAST שיגיעו בהמשך.
הוא מתבסס על יכולות הגילוי והאבטחה הקיימות של Wiz בתחום ה-AI כדי לנתח לוגיקה, הנחיות ותצורות של אפליקציות AI בשלוש סביבות:
• סביבות מתארחות עצמית (Self-hosted): סוכני AI ואפליקציות הפועלים על VMs, קונטיינרים ותשתית serverless, וכן קוד המאוחסן ב-buckets.
• פלטפורמות PaaS נתמכות: סוכנים מותאמים אישית ואפליקציות AI המוגדרים בקוד.
• מאגרי קוד: קוד אפליקציות AI, הנחיות ותצורות לאורך כל תהליך הפיתוח.
בסביבות רבות של לקוחות, ראינו שה-AI Security Agent מזהה עד פי חמישה יותר סוכני AI בהשוואה למנועי גילוי מסורתיים.
האינטליגנציה האפליקטיבית שמתקבלת מובאת לתוך ה-Wiz Security Graph, ומחברת את אפליקציות ה-AI עם הסביבה הסובבת שלהן. ה-Wiz AI Security Agent מספק שלוש יכולות מחוברות זו לזו:
1. גלה אפליקציות וסוכני AI
אפליקציות AI וסוכנים מותאמים אישית לא תמיד נחשפים דרך API של הענן או בנויים באמצעות Frameworks מוכרים; לעתים קרובות הם מוטמעים ישירות בקוד האפליקציה, מה שמקשה על זיהוים בשיטות מלאי קונבנציונליות.
כדי לטפל בכך, ה-AI Security Agent מבצע מיפוי אוטומטי של אפליקציות AI מותאמות אישית, מודלים, הנחיות מערכת, שרתי MCP והגדרות כלים במאגרי קוד, PaaS וסביבות מתארחות עצמית, גם כאשר לא קיים API ניהול מרכזי.
2. הבן מטרות ויכולות
גילוי אפליקציית AI הוא רק השלב הראשון. כדי להעריך ביעילות את עמדת האבטחה, צוותים זקוקים לנראות עמוקה יותר לגבי מה שסוכן תוכנן לעשות, כיצד הוא פועל ואילו יכולות עומדות לרשותו.
ה-AI Security Agent חורג מעבר לזיהוי ראשוני על ידי ניתוח הטמעת האפליקציה, הלוגיקה, ההוראות וההרשאות כדי לשחזר את הארכיטקטורה הבסיסית שלה. הוא משווה את המטרה המיועדת של הסוכן לתשתית בפועל, ומציף אי-התאמות כגון סוכנים פנימיים שנחשפו חיצונית או בעלי גישה לנתונים רגישים שניתנה להם ברמת התשתית וחורגת מהיקף עבודתם. הוא מציג את הכלים והיכולות הספציפיים הזמינים לכל סוכן, וממפה את מטרתו המיועדת מול התנהגותו בפועל.
לדוגמה, סוכן שנועד פשוט לענות על שאלות באמצעות נתונים עסקיים פנימיים עשוי להיות בעל יכולות להריץ קוד, לשנות קבצים מקומיים או לתקשר עם מערכות חיצוניות. זיהוי היכולות הרחבות הללו ביחס לפונקציית הליבה של הסוכן חיוני לאיתור גישה בעלת הרשאות יתר וסיכונים פוטנציאליים.
כדי להפוך את הניתוח הזה לבר-ביצוע, ה-AI Security Agent מספק נימוקים שקופים וראיות תומכות, כולל הפניות לקוד המקור, המאפשרות לצוותי אבטחה להבין בדיוק כיצד זוהו היכולות ללא צורך לבצע הנדסה לאחור לכל אפליקציה באופן ידני. במבט קדימה, ניתוח זה מהווה בסיס לאינטגרציה עתידית של הקשר בזמן ריצה כדי לאמת באופן רציף את התנהגות הסוכן במהלך הביצוע.
במקום להתייחס לרכיבי AI כאל 'קופסאות שחורות', צוותי אבטחה מקבלים נראות ברורה לגבי מה שהסוכן תוכנן לעשות, אילו פעולות הוא יכול לבצע בפועל, והאלמנטים הארכיטקטוניים המדויקים שמאפשרים זאת.
3. מצא ותעדף סיכונים
בעוד שבקרות אבטחה מסורתיות מזהות פגיעויות ידועות ותצורות מסוכנות, חלק מסיכוני האבטחה של AI נובעים מהאופן שבו ההוראות, הכלים, היכולות והגישה של האפליקציה מתקשרים זה עם זה, מה שהופך אותם לבלתי אפשריים לזיהוי באמצעות כללים מוגדרים מראש בלבד.
בהתבסס על ניתוח אבטחה יסודי זה, ה-AI Security Agent משתמש בהיגיון מבוסס AI והבנה מעמיקה של אפליקציות כדי לחשוף סיכונים מורכבים שבקרות דטרמיניסטיות מפספסות. לדוגמה, נקודת קצה לא מאומתת המקבלת הוראות מערכת שנשלטות על ידי תוקף עשויה להיראות כמו חולשה פשוטה ברמת האפליקציה; עם זאת, כאשר הסוכן המחובר יכול להריץ פקודות shell שרירותיות, חולשה זו יוצרת נתיב ישיר לביצוע קוד מרחוק (RCE).
ה-AI Security Agent מציג את הממצאים הללו עם הסברים מפורטים, השפעה אפשרית וראיות תומכות כדי לעזור לצוותים להבין מה הופך אותם לניתנים לניצול והיכן נדרש תיקון. בשילוב עם הקשר הענן ב-Wiz Security Graph, אינטליגנציה עמוקה זו ממחישה כיצד סיכונים מובנים ב-AI מצטלבים עם חשיפה, זהויות, הרשאות ונתונים רגישים, וחושפת את מלוא השפעת האבטחה מעבר לאפליקציה עצמה.
מהבנת אפליקציות AI לסיכון בר-פעולה
בואו נסכם זאת עם דוגמה.
שקול עוזר AI פנימי הפועל בענן. מנקודת מבט של תשתית בלבד, הוא נראה כמו עומס עבודה שגרתי עם זהות שירות, גישה לאחסון ומעקה בטיחות (guardrail) פעיל.
• משחזר את הקשר האפליקציה: בבדיקת שכבת האפליקציה, Wiz ממפה את הסוכן, את נקודות הקצה המחוברות אליו ואת מעקות הבטיחות הפעילים שלו.
• מוצא פגיעויות מובנות ב-AI: ניתוח המבוסס על קוד ומודלים חושף ממצא אבטחה קריטי ב-AI - נקודת כניסה לשאילתה שאינה מאומתת, המקבלת כתובת URL יעד שרירותית ומדליפה אסימוני OAuth של חשבון שירות אחורי בכותרת Authorization.
• עוקב אחר נתיב התקיפה בענן: ב-Wiz Security Graph, Wiz מבצע מתאם בין שתי נקודות קצה הנגישות לאינטרנט הנמצאות במעלה הזרם של הסוכן, לבין חשבון השירות שלו בעל הרשאות היתר - מה שמראה שמעקה הבטיחות הפעיל אינו חוסם גישה ל-storage buckets מחוברים.
• חושף נתונים רגישים בסכנה: ממצאי הנתונים של Wiz מזהים PII (שמות וכתובות אימייל) ונתונים פיננסיים בתוך אותם buckets, מה שמעלה את רמת הבעיה ל'קריטית' עם הסבר על נתיב תקיפה מקצה לקצה.
התוצאה: מה שנראה כמו עומס עבודה שגרתי עם מעקות בטיחות מופעלים, מתגלה כנתיב תקיפה הנגיש לאינטרנט - מנקודת קצה לא מאומתת ועד דליפת אישורים עורפיים וחשיפת נתונים רגישים.
זהו הכוח בחיבור הבנה עמוקה של אפליקציות AI עם הקשר הענן. ה-AI Security Agent חושף מה הסוכן תוכנן לעשות, מה הוא יכול לעשות בפועל והיכן צצים סיכונים מובנים ב-AI. ה-Wiz Security Graph מחבר את האינטליגנציה הזו עם זהויות, הרשאות, חשיפה ונתונים רגישים, ועוזר לצוותי אבטחה להבין את ההשפעה הפוטנציאלית, לתעדף סיכונים ולקדם תיקון.
אבטחת אפליקציות AI מתחילה בהבנתן
ה-AI שינתה את מה שצוותי אבטחה צריכים להבין. לצד הקשר הענן, ארגונים זקוקים כעת לנראות עמוקה יותר לגבי מה שהאפליקציות שלהם מתוכננות לעשות, למה הן מסוגלות, ואילו סיכונים הן מציגות.
ה-Wiz AI Security Agent מביא ניתוח סיכונים עמוק ורב-שכבתי לפלטפורמת Wiz כדי להרחיב את האבטחה מעבר לניתוח דטרמיניסטי, לגלות אפליקציות AI, להבין את מטרתן ויכולותיהן, ולחשוף סיכונים מובנים ב-AI ברחבי הקוד והענן.
ה-Wiz AI Security Agent זמין כעת ב-Public Preview דרך ה-Wiz Preview Hub. הפעל אותו היום כדי לקבל נראות עמוקה יותר לאפליקציות ה-AI שלך ולחשוף סיכונים שלא יכולת לראות במלואם לפני כן.
המשך לקרוא
נקודת המבט של ה-Green Agent: ניסוח התיקון עבור Container חשוף עם גישה לנתונים רגישים
ראה כיצד ה-Green Agent איזנה בין דחיפות האבטחה להמשכיות עסקית כדי להפוך שילוב רעיל לתוכנית תיקון הניתנת לביצוע ובקשות משיכה (pull requests) מוכנות למיזוג.
ASPM בעידן ה-AI חלק 3: תיקון סיכונים במהירות הקוד
האץ את ה-MTTR והסר צווארי בקבוק בתיקון בעזרת מיפוי בעלות פשוט יותר, תיקוני קוד וזרימות עבודה אוטומטיות.
פגיעות RCE קריטית בשרת Apache HTTP: כל מה שצריך לדעת
זהה וצמצם את CVE-2026-119618, פגיעות RCE קריטית בשרת Apache HTTP. לפי נתוני Wiz, ל-64% מסביבות הענן יש משאבים הפגיעים ל-CVE-2026-119618. מומלץ לבצע תיקון מיידי.