Usa ka skill file, usa ka rules file, usa ka MCP config. Yano nga teksto, commitgi-test sama sa dokumentasyon, gisusi sama sa dokumentasyon, ug hilom nga giusab niini pag-usab kung unsa ang gitugotan nga buhaton sa imong AI. Makita sa Xygeni ang mga malisyoso nga kahanas, mga hilo nga prompt, ug dili luwas nga mga utlanan sa ahente nga wala gyud gihimo aron pangitaon sa imong mga code scanner.
Read-only access · Ang mga scan modagan sa imong imprastraktura · Ang imong code dili gyud ma-upload
Diskobrehi ang mga AI agent, prompt, ug MCP configuration sa imong codebase, pangitaa ang mga tinago nga risgo, ug unaha ang mga importanteng isyu sa dili pa kini makaabot sa produksyon.
Padayon, awtomatikong pagdiskobre sa imong mga repository: mga modelo, framework, dataset, inference endpoint, mga ahente, mga MCP server, mga kahanas, mga prompt, guardrails, ug ang mga AI coding tools nga gigamit gyud sa imong mga developers. Walay mga survey, walay self-reporting.
Ang usa ka dedikado nga AI scanner makapangita sa mga kapakyasan nga espesipiko sa mga sistema sa AI: prompt injection, tool injection, data leakage through retrieval, system prompt bypass, sobra nga ahensya. Ang matag nakaplagan gi-map sa mga AI security framework nga gigamit na sa imong team, ug nagpunting sa eksaktong linya sa code nga nagmugna sa exposure.
Ang prioritization funnel nagpamenos sa matag AI findings ngadto sa unsay maabot sa application code, tinuod nga ma-exploit, ug anaa sa code nga aktibong gipalambo sa imong mga team. Ang mga team nagtrabaho sa pipila ka importanteng findings.
Gikan sa Shadow AI ngadto sa usa ka Audit-Ready Inventorygk
Tan-awa ang imong kinatibuk-ang AI footprint ug kung pila niini ang adunay risgo, gisubay batok sa baseline aron mahibal-an nimo kung nagkadako ba ang imong exposure. Ang matag asset adunay kaugalingon nga risk score, provider niini, tipo niini, ug eksaktong lokasyon niini sa imong code.
Ang usa ka AI asset nga gilain gamay ra ang isulti kanimo. Ang graph nagpakita sa mga relasyon nga nagdala sa risgo: unsang modelo ang gipakaon sa dataset, unsang ahente ang naggamit unsang himan, unsang MCP server ang naa sa luyo sa usa ka assistant, ug asa ang risgo nagkonsentrar sa tibuok nga kadena. I-filter pinaagi sa kategorya sa asset, tipo, relasyon, o lebel sa risgo.
I-export ang usa ka machine-readable nga bill of materials para sa imong AI, nga gihimo gikan sa parehas nga padayon nga pagdiskubre nga nagpadagan sa imbentaryo. Kung ang usa ka auditor, usa ka kustomer, o usa ka regulator mangutana kung unsang AI ang imong gipadagan, ang tubag usa ka download, dili usa ka tulo ka semana nga manual nga ehersisyo.cise.
Ang mga skill file, rules file ug MCP configs kay commitgi-type isip plain text ug girepaso nga daw dili kini makadaot, apan kini nagtino kon unsa ang gisugo sa usa ka assistant nga buhaton ug unsa ang gitugotan niini nga maabot. Gisusi kini sa Xygeni isip mga security artifact: gi-flag niini ang mga malicious skills ug gi-rule ang mga file, gisusi ang mga configuration sa MCP server, ug gipakita ang mga prompt nga nagduso sa imong AI workloads.
Ang AI scanner sa Xygeni makamatikod sa mga failure mode nga espesipiko sa mga sistema sa AI ug dili makita sa naandan nga pag-analisa sa code: malisyoso nga manipulasyon sa pagpatuman sa himan, wala gitugutan nga pagkuha sa sensitibo nga mga dokumento pinaagi sa usa ka vector store, pag-bypass sa system prompt, mga jailbreak pinaagi sa hinimo nga input, ug dili kasaligan nga pagtawag sa himan.
Ang matag nakaplagan sa AI adunay framework reference, ang apektadong AI asset ug tool, kung unsa na kadugay nga naabli ang exposure, ang eksaktong file ug line, usa ka pagpasabut kung ngano nga kini importante, ug ang mitigation nga gibahin sa kinatibuk-ang mga kontrol ug giya nga espesipiko sa maong nakaplagan. Dili usa ka alerto. Usa ka solusyon.
Progresibong pagsala gikan sa matag nakaplagan ngadto sa mga naa sa application code, dayon ngadto sa mga mapahimuslan, dayon ngadto sa mga naa sa aktibong pag-develop. Ang lista nga makaabot sa imong team mao ang lista nga naghulga sa produksiyon.
Ang usa ka matinud-anon nga hulagway sa risgo sa AI nagkinahanglan og labaw pa sa usa ka imbentaryo sa modelo, ug ang Xygeni nagpadagan na sa mga makina nga mokompleto niini:
Ang mga API key para sa mga AI provider mga sekreto sama sa uban, ug ang pag-detect sa mga sekreto sa Xygeni makit-an kini sa imong mga repository, configuration file ug pipelines, sa dili pa sila makaabot sa usa ka pampublikong rehistro o usa ka build log.
Ang AI stack gitukod sa ordinaryong mga pakete, ug ang ordinaryong mga pakete adunay mga CVE. Ang pag-analisa sa komposisyon sa software sa Xygeni nagpakita sa nahibal-an nga mga kahuyangan sa mga librarya sa AI ug ML nga gisaligan sa imong mga aplikasyon, sa parehas nga plataporma sama sa mga asset sa AI nga naggamit niini.
Ang mga AI stack dali nga makakuha og mga dependency ug gikan sa daghang mga tinubdan. Ang pag-detect sa malware sa Xygeni makadakop sa mga malisyosong pakete nga gisaligan gihapon sa mga himan nga nakabase sa reputasyon, nga dili na maghulat og CVE o usa ka publikong tambag.
Usa ka plataporma, mao nga ang pangutana sa AI makakuha og kompletong tubag imbes nga tulo ka dili kompletong tubag gikan sa tulo ka lain-laing himan.
Tan-awa ang AI attack surface nga dili mahimo sa imong kasamtangang security tools, ug dumalaha kini uban sa tanang ubang risgo sa aplikasyon.
Ang imong static analysis wala masayod unsay modelo. Ang imong composition analysis wala maglista sa mga MCP server. Dili kini depekto sa maong mga himan, kini gidisenyo alang sa lahi nga problema. Ang Xygeni nag-imbentaryo sa mga AI asset, nag-analisa sa mga MCP configuration, nag-flag sa mga malicious skill ug rule file, ug nagtukod sa imong AI-BOM.
Ang mga nadiskobrehan sa AI nagpuyo uban sa imong code, dependency, secret, pipeline ug mga nahibal-an sa API, sa usa ka console nga adunay usa ka modelo sa pag-prioritize. Ang AI usa ka bag-ong attack surface, dili usa ka rason alang sa usa ka bag-ong himan nga adunay kaugalingon login.
Ang Xygeni nahiuyon sa mga balangkas nga karon nagdumala sa AI sa software: ang OWASP Top 10 para sa LLM Applications, para sa MCP ug para sa Agentic Skills, NIST SP 800-218A, ug ang CISGiya sa A ug G7 sa usa ka Software Bill of Materials para sa AI. Kini nagmugna og ebidensya nga makatabang sa pagpakita nga ang maong mga balangkas gigamit, ug nagsuporta sa mga gilauman sa imbentaryo ug traceability nga gibutang sa mga regulasyon sama sa EU AI Act, NIS2 ug ENS sa Espanya sa mga organisasyon.
Ang direksyon gitakda: ang SBOM nagkadako ngadto sa AI-BOM. Dili ka makapamatuod sa wala nimo ma-imbentaryo.
Mga modelo, mga balangkas sa AI, mga dataset, mga endpoint sa inference, mga ahente ug mga server sa ahente, mga server sa MCP, mga kahanas, mga prompt, guardrails, ug ang mga AI coding tools nga gigamit sa imong mga repository.
Pinaagi sa padayon nga pag-analisar sa imong mga repository: code, mga dependency, ug ang mga configuration file nga gibilin sa mga AI tools. Walay nagdepende sa mga developers nga mo-report sa ilang gigamit.
Ang AI Bill of Materials usa ka mabasa sa makina nga imbentaryo sa AI sa imong software: mga modelo, dataset, mga component, mga provider ug mga dependency. Mga regulator ug standardAng mga lawas sa AI nagtapok niini isip basehan sa ebidensya alang sa pagdumala sa AI, ug dili ka makapamatuod sa wala nimo maimbentaryo.
Ang mga AI-specific failure modes lakip ang prompt injection ug system prompt bypass, tool injection ug untrusted tool invocation, data leakage through retrieval, ug excessive agency, nga nalakip sa OWASP Top 10 para sa LLM Applications.
Oo. Ang matag nakaplagan nagtudlo sa file ug linya, nagpatin-aw nganong importante kini, ug naghatag og mitigasyon isip kinatibuk-ang mga kontrol ug giya nga espesipiko sa maong nakaplagan.
Kining mga himana nag-analisar sa code ug mga dependency. Wala kini magmodelo kon unsa ang usa ka AI agent, unsay gipakita sa usa ka MCP server, o unsay gitudlo sa skill file sa usa ka assistant nga buhaton. Gidugang sa Xygeni ang maong layer ug gipadayon kini sa samang plataporma sama sa uban nimong mga nahibal-an.
Oo. Ang imbentaryo nagsunod sa baseline, aron makita nimo kung unsang AI ang gipaila, giusab o gitangtang taliwala sa mga scan.
Pagsugod nga libre, o pag-iskedyul og demo ug among ipaambit kanimo ang imong AI attack surface.
uban sa Xygeni All-In-One AppSec Platform
