Dynatrace automatisoi IT-toimintoja – Exabeam kaksinkertaisti tekoälyagenttien tunnistuksen

Heinäkuun julkaisun keskeiset ominaisuudet ovat:

• Hallittujen IT-toimintojen tekoälyagentit. Uudet toimialakohtaiset agentit voivat luokitella ja ratkaista häiriöitä itsenäisesti. Mukana ovat muun muassa Autonomous SRE Agent, Cloud SRE Agent ja omien agenttien rakentamiseen tarkoitettu Agent Builder .
• Koodittomat automaatiotyökalut. Tiimit voivat rakentaa automaattisia vastausprosesseja ilman ohjelmointia .
• Autonominen ennaltaehkäisy ja korjaus. Alusta ei ainoastaan suosittele toimenpiteitä, vaan pystyy myös havaitsemaan ja ehkäisemään palvelukatkoja sekä käynnistämään korjaavia toimia automaattisesti .
• Nopeampi häiriöiden ratkaisu. Tavoitteena on nopeuttaa pilvi- ja tekoälynatiivisten ympäristöjen ylläpitoa samalla, kun yritysten hallinto-, vaatimustenmukaisuus- ja turvallisuusrajat säilyvät .

Dynatrace julkaisi heinäkuussa myös SaaS-versiot 1.343 ja 1.344. Niiden ominaisuuksiin kuuluvat esimerkiksi:

• dt-evals, jolla voidaan arvioida suurten kielimallien ja agenttien laatua ja muuttaa tekoälyn laatu operatiiviseksi mittariksi
• dtwiz-komentorivityökalu teknologiapinon automaattiseen löytämiseen ja datan keruun nopeaan käynnistämiseen
• OAuth-asiakastunnusten käyttöoikeustunnisteiden rajoitus palvelun saatavuuden parantamiseksi
• hajautetun jäljityksen tarkemmat näkymät DEM Application User Events- ja User Sessions -tapahtumiin
• OpenTelemetry-spanien rikastaminen heterogeenisillä taulukoilla ja monimutkaisilla tietueilla OTLP-rajapinnan kautta

Exabeam: tekoälyagenttien toiminta näkyväksi tietoturvassa

Exabeam laajensi New-Scale Security Operations Platform -alustaansa 1. heinäkuuta ominaisuuksilla, jotka keskittyvät tekoälyagenttien havaitsemiseen ja suojaamiseen. Yhtiö kaksinkertaisti tekoälyyn liittyvän tunnistuksen kattavuuden ja lisäsi tuen Anthropicin Claude-mallilla toimiville agenteille .

Julkaisun tärkeimmät uudistukset ovat:

• Laajempi tekoälyagenttien tunnistus. Tekoälyyn keskittyvien tunnistussääntöjen määrä kasvoi 45:stä 90:een. Säännöt kattavat tekoälyagenttien ja digitaalisten työntekijöiden poikkeavaa toimintaa .
• Anthropic Claude -tuki. Alusta voi seurata ja havainnoida Claudea hyödyntäviä agentteja .
• Observra. Uusi avoimen lähdekoodin Python SDK tarjoaa agenteille telemetriakerroksen. Sen avulla kehittäjät ja tietoturvatiimit voivat instrumentoda agenttien toimintaa useissa eri viitekehyksissä .
• Agent Behavior Verification eli ABV. Uusi tietoturvakäytäntö ja työkalukokonaisuus auttaa varmistamaan ennen käyttöönottoa, että agentit on määritetty oikein, valtuutettu tehtäviinsä ja että ne toimivat tarkoitetulla tavalla .
• OWASP Agentic Top 10 -näkymät. Tunnistussääntöjä on yhdistetty OWASP:n agenttisen tekoälyn kymmenen keskeisen tietoturvariskin kokonaisuuteen .
• Exabeam Novan avustama tunnistussääntöjen suunnittelu. Tekoälyavusteinen sääntöjen luonti auttaa analyytikkoja tekemään mukautettuja tunnistuksia nopeammin .

Exabeam julkaisi samalla heinäkuun päivityksiä myös LogRhythm SIEM -alustalle. Ne helpottavat todisteiden keräämistä, pitävät tutkinnan tiedot synkronissa ja vähentävät analyytikkojen ja ylläpitäjien manuaalisia työvaiheita . New-Scale-alustan julkaisutiedoissa mainitaan lisäksi sähköpostiosoitteiden ja ensisijaisten kirjautumistunnusten yhdistämisen parannukset, joiden tarkoitus on vähentää päällekkäisiä identiteettejä .

Miksi julkaisut ovat merkittäviä?

Dynatracen ja Exabeamin päivitykset käsittelevät samaa yritysten tekoälyn kasvavaa haastetta eri suunnista.

Dynatrace rakentaa tekoälystä aktiivista käyttötoimintojen työvoimaa. Agentit voivat reagoida häiriöihin ja ehkäistä ongelmia, mutta niiden toimintaa rajataan hallintakontrolleilla. Exabeam taas keskittyy näkyvyyteen: tietoturvatiimien on pystyttävä selvittämään, mitä agentit todella tekevät, millä oikeuksilla ne toimivat ja poikkeavatko ne niille määritellystä roolista.

Tämä on tärkeä ero perinteiseen valvontaan verrattuna. Kun järjestelmä vain ilmoittaa ongelmasta, ihminen käynnistää korjauksen. Autonomisessa mallissa alusta voi tehdä korjauksen itse – jolloin valtuuksien, jäljitettävyyden ja käyttäytymisen todentamisen merkitys kasvaa.

Heinäkuun julkaisut viittaavat siihen, että yritysten seuraava tekoälyvaihe ei perustu pelkästään tehokkaampiin malleihin. Tarvitaan myös alustoja, jotka osaavat valvoa, hallita, suojata ja tarvittaessa korjata tekoälypohjaisia järjestelmiä reaaliajassa.