Avis et détails du produit Orca Security

Il y avait un problème récurrent avec les données fantômes : les données de production étaient copiées dans des comptes de staging et de développement qui n'étaient pas du tout aussi sécurisés, en plus des magasins de données que personne ne se souvenait même avoir créés. Orca découvre des données sensibles à travers des magasins gérés, non gérés et fantômes, y compris des fichiers sur des machines virtuelles, des conteneurs et des buckets, puis les classe selon des catégories comme les données personnelles identifiables (PII) et les données de paiement. Voir un instantané de production oublié dans un compte de développement peu contrôlé, et l'associer à la manière dont le compte était exposé, rend évident quelles copies sont réellement risquées par rapport à celles qui sont intentionnelles. Avis collecté par et hébergé sur G2.com.

Un peu d'ajustement était nécessaire pour distinguer les copies de données sanctionnées de celles à risque, car certaines des données des environnements inférieurs étaient là intentionnellement. Cela dit, la configuration s'est rapidement alignée avec nos flux de travail internes. Avis collecté par et hébergé sur G2.com.

Beaucoup d'attention est portée aux conteneurs de nos jours, mais il y a encore beaucoup de machines virtuelles et d'hôtes de longue durée, et c'est précisément là que notre ancien balayage était le plus lacunaire. Orca les couvre dans le même modèle que tout le reste, montrant quelles vulnérabilités des hôtes se trouvent sur des machines exposées à Internet, lesquelles sont liées à des identités privilégiées, et lesquelles sont réellement accessibles par opposition à celles enfouies derrière des contrôles existants. Ce contexte supplémentaire nous permet de prioriser le correctif des hôtes en fonction de l'exposition réelle au lieu de se fier uniquement aux scores CVSS bruts. Avis collecté par et hébergé sur G2.com.

Quelques-uns des hôtes plus anciens avaient les configurations habituelles qui justifiaient un examen plus attentif, mais les conclusions sous-jacentes étaient solides, et le contexte supplémentaire les rendait faciles à interpréter. Avis collecté par et hébergé sur G2.com.

Notre entreprise évolue rapidement. Les développeurs, analystes et chefs de projet livrent constamment, et les agents IA sont intégrés dans bon nombre de ces flux de travail. Nous avions besoin d'une visibilité capable de suivre ce rythme, pas d'un déploiement lent qui serait encore incomplet au moment où le prochain agent serait mis en service.

Orcca s'est connecté à notre compte cloud, et en quelques jours, il nous a donné une image réelle des risques, y compris les agents IA : les identités sous lesquelles ils fonctionnent, les points de terminaison qu'ils exposent, et les données auxquelles ils pourraient accéder. Nous n'avons pas eu besoin de courir après les équipes pour obtenir une compréhension claire de nos services d'agents. Avis collecté par et hébergé sur G2.com.

Le principal travail de suivi consistait à organiser les résultats pour correspondre à la structure de nos équipes et unités commerciales, y compris le regroupement des agents par propriétaire et fonction. Cette étape organisationnelle a rendu les examens continus beaucoup plus clairs pour la direction. Avis collecté par et hébergé sur G2.com.

Ce qui a vraiment changé notre façon de travailler, c'est la vue du chemin d'attaque. Au lieu d'une liste de constats séparés, Orca montre la chaîne complète : un actif exposé, la vulnérabilité qu'il présente, l'identité qu'il peut assumer, et les données sensibles à la fin de ce chemin. Voir l'ensemble du parcours rend évident quelle correction unique peut briser toute la chaîne, donc nous avons cessé d'essayer de tout corriger et avons commencé à couper les maillons qui comptent réellement. Avis collecté par et hébergé sur G2.com.

Dans un grand environnement, les graphes de chemin d'attaque peuvent contenir beaucoup de détails, donc nous avons trouvé qu'il était plus efficace de se concentrer d'abord sur les actifs les plus précieux. Une fois cela fait, l'ensemble du tableau est devenu clair et vraiment utile. Avis collecté par et hébergé sur G2.com.

Orca a signalé des fichiers malveillants et des flux de travail suspects dans nos charges de travail que aucun de nos autres outils n'avait détectés, y compris des scénarios où un agent IA abusé aurait pu être utilisé pour planter ou déclencher des logiciels malveillants. Cela va au-delà de la simple correspondance de hachage, en détectant des éléments comme les cryptomineurs et les web shells que les agents pourraient déployer ou invoquer dans le cadre d'une chaîne d'outils compromise. Comme l'analyse se fait en dehors de la charge de travail au niveau du stockage et de la configuration, il n'y a rien pour que le logiciel malveillant se cache sur la machine elle-même, et cela couvre également les hôtes et les chemins liés aux agents que nous n'aurions jamais pointés avec un scanner dédié. Avis collecté par et hébergé sur G2.com.

Nous avons aligné les découvertes de logiciels malveillants et de menaces sensibles à l'agent Orca avec nos processus de réponse aux points de terminaison existants, ce qui nous a aidés à intégrer ce contexte de manière fluide dans le fonctionnement actuel de l'équipe. Avis collecté par et hébergé sur G2.com.

Nous avions une vague impression que des identifiants et des secrets étaient dispersés dans notre environnement, mais nous n'avions pas de carte claire de ceux que les agents pouvaient réellement voir. Orca a mis en évidence des clés API codées en dur, des clés privées SSH et des identifiants de base de données dans des endroits que les agents ou leurs outils pourraient lire—fichiers de configuration, compartiments de stockage et journaux. Il ne se contente pas de faire correspondre des modèles ; il utilise l'entropie et le contexte environnant pour décider si une chaîne est réellement un secret, ce qui réduit le bruit. Voir chaque secret dans le contexte de l'accessibilité des agents a rendu évident quelles expositions pouvaient être déclenchées par les agents et nécessitaient un nettoyage immédiat. Avis collecté par et hébergé sur G2.com.

Nous avons passé du temps à définir des règles de suppression pour les identifiants de test dans nos environnements de test, afin que les secrets pertinents pour les agents restent au premier plan dans les résultats. Avis collecté par et hébergé sur G2.com.

Le fait qu'Orca analyse notre infrastructure en tant que code et nos pipelines a été une véritable victoire du "shift-left" pour les agents IA. Nous avons commencé à détecter des modèles et des extraits de configuration qui auraient accordé aux agents des permissions larges et durables ou exposé de nouveaux points de terminaison d'agents avant que ces changements ne soient jamais déployés. Parce qu'Orca relie ces découvertes IaC au même modèle de risque qu'il utilise pour l'environnement en cours d'exécution, nous pouvons clairement voir qu'une mauvaise configuration signalée dans le code est le même type d'exposition d'agent que nous aurions autrement à traquer en production plus tard. Avis collecté par et hébergé sur G2.com.

Nous avons travaillé en étroite collaboration avec notre équipe de plateforme pour intégrer des vérifications axées sur les agents de manière fluide dans nos étapes de construction, et pour décider quelles mauvaises configurations devraient déclencher un avertissement ou bloquer un déploiement. Avis collecté par et hébergé sur G2.com.

Orca nous a donné une image beaucoup plus claire de l'endroit où se trouvent réellement les données sensibles par rapport à nos agents d'IA. Il a mis en évidence les PII dans le stockage, les secrets dans des endroits que les agents pourraient lire, et les anciens instantanés de bases de données se trouvant dans des comptes que les agents nouvellement créés pouvaient atteindre. La véritable valeur réside dans le contexte : chaque découverte montre ce que sont les données, si elles sont exposées, et quels agents et identités peuvent y accéder. Cela a transformé ce qui aurait pu être un inventaire écrasant en une liste claire et priorisée de données que nos agents ne devraient jamais pouvoir toucher, ainsi que les chemins que nous devions fermer. Avis collecté par et hébergé sur G2.com.

Nous avons passé un peu de temps au départ à ajuster les paramètres de classification des données et d'accessibilité des agents pour les aligner avec nos propres définitions des informations sensibles, ainsi que les chemins d'accès des agents que nous considérons inacceptables. Avis collecté par et hébergé sur G2.com.

Nos équipes de finance et de gestion des risques d'entreprise voulaient comprendre le risque des agents IA en termes commerciaux, et non pas seulement en termes de nombre de problèmes ou d'une idée abstraite de « l'exposition des agents ». Le contexte d'Orca—quelles données un agent peut toucher, s'il peut atteindre des services accessibles depuis Internet, et quelles identités et systèmes se trouvent derrière ses chemins—nous permet de regrouper les risques liés aux agents autour des actifs critiques pour l'entreprise et des flux de travail réglementés. Ce n'est pas un moteur de risque quantitatif complet, mais cela nous a donné une manière structurée de discuter des comportements des agents qui comptent le plus pour le chiffre d'affaires, la conformité et nos obligations contractuelles. Avis collecté par et hébergé sur G2.com.

Nous ajoutons encore une cartographie commerciale de notre côté pour certains risques techniques centrés sur les agents, afin qu'ils s'alignent parfaitement avec les flux de revenus et l'exposition contractuelle. Avis collecté par et hébergé sur G2.com.

Notre équipe produit mène constamment des expériences, activant et désactivant des fonctionnalités avec des drapeaux qui sont de plus en plus évalués ou exécutés par des agents IA. Orca ne cherche pas à vivre dans la couche de drapeaux de fonctionnalités ; au lieu de cela, il surveille l'identité cloud sous-jacente et la posture de l'agent. Lorsqu'une expérience donne à un agent un accès plus large que prévu, ou ouvre un chemin de test vers des données sensibles, Orca le détecte lors de sa prochaine évaluation de la surface cloud et agent et le signale. Les développeurs n'ont pas besoin de changer la façon dont ils livrent les expériences, mais la sécurité peut toujours voir où les drapeaux pilotés par des agents pourraient créer une exposition inattendue. Avis collecté par et hébergé sur G2.com.

Expliquer à certains responsables de produits pourquoi les expériences temporaires alimentées par des agents nécessitent encore des contrôles d'accès appropriés a nécessité plusieurs tours d'éducation, même avec les conclusions des Orcas à portée de main. Avis collecté par et hébergé sur G2.com.