Een vaardighedenbestand, een regelsbestand, een MCP-configuratie. Platte tekst. commitHet wordt als documentatie beoordeeld, als documentatie gecontroleerd en het herschrijft stilletjes wat je AI mag doen. Xygeni detecteert de kwaadaardige vaardigheden, vergiftigde prompts en onveilige agentgrenzen waar je codescanners nooit voor ontworpen zijn.
Alleen-leestoegang · Scans worden uitgevoerd in uw infrastructuur · Uw code wordt nooit geüpload
Ontdek AI-agents, prompts en MCP-configuraties in uw codebase, spoor verborgen risico's op en geef prioriteit aan de belangrijkste problemen voordat ze in productie worden genomen.
Continue, automatische detectie in al uw repositories: modellen, frameworks, datasets, inferentie-eindpunten, agents, MCP-servers, vaardigheden, prompts, guardrailsEn de AI-codeertools die uw ontwikkelaars daadwerkelijk gebruiken. Geen enquêtes, geen zelfrapportage.
Een speciale AI-scanner spoort de specifieke kwetsbaarheden van AI-systemen op: promptinjectie, toolinjectie, datalekken via retrieval, het omzeilen van systeemprompts en excessieve autonomie. Elke bevinding wordt gekoppeld aan de AI-beveiligingsframeworks die uw team al gebruikt en wijst naar de exacte regel code die de kwetsbaarheid veroorzaakt.
Het prioriteringsproces reduceert elke AI-bevinding tot wat bereikbaar is in de applicatiecode, daadwerkelijk bruikbaar is en aanwezig is in code waaraan uw teams actief werken. Teams werken vervolgens aan de weinige bevindingen die er echt toe doen.
Van schaduw-AI naar een auditklare inventaris
Krijg inzicht in uw totale AI-voetafdruk en het risico dat daaraan verbonden is, vergeleken met een basislijn. Zo weet u of uw blootstelling toeneemt. Elk onderdeel heeft zijn eigen risicoscore, leverancier, type en exacte locatie in uw code.
Een AI-asset op zich zegt weinig. De grafiek toont de relaties die het risico met zich meebrengen: welk model een dataset voedt, welke agent welke tool aanroept, welke MCP-server zich achter een assistent bevindt en waar het risico zich in die keten concentreert. Filter op assetcategorie, type, relatie of risiconiveau.
Exporteer een machineleesbare stuklijst voor uw AI, gegenereerd op basis van dezelfde continue ontdekking die de inventaris aandrijft. Wanneer een auditor, een klant of een toezichthouder vraagt welke AI u gebruikt, is het antwoord een download, geen handmatige oefening van drie weken.cise.
Vaardigheidsbestanden, regelsbestanden en MCP-configuraties zijn commitHoewel ze als platte tekst worden weergegeven en beoordeeld alsof ze onschadelijk zijn, bepalen ze wel degelijk wat een assistent moet doen en waartoe deze toegang heeft. Xygeni analyseert ze als beveiligingsartefacten: het markeert kwaadaardige vaardigheden en regelsbestanden, inspecteert MCP-serverconfiguraties en brengt de prompts aan het licht die uw AI-workloads aansturen.
De AI-scanner van Xygeni detecteert de foutmodi die specifiek zijn voor AI-systemen en onzichtbaar zijn voor conventionele codeanalyse: kwaadwillige manipulatie van de uitvoering van tools, ongeautoriseerde toegang tot gevoelige documenten via een vectoropslag, het omzeilen van systeemprompts, jailbreaks door middel van speciaal geconstrueerde invoer en het aanroepen van onbetrouwbare tools.
Elke AI-bevinding bevat de referentie naar het framework, de betreffende AI-asset en -tool, hoe lang de blootstelling al bestaat, het exacte bestand en regelnummer, een uitleg waarom het relevant is, en een specificatie van de oplossing, onderverdeeld in algemene beheersmaatregelen en richtlijnen specifiek voor die bevinding. Geen waarschuwing. Een oplossing.
Progressieve filtering van elke bevinding tot die in de applicatiecode, vervolgens tot die welke misbruikt kunnen worden, en ten slotte tot die welke actief in ontwikkeling zijn. De lijst die uw team bereikt, is de lijst die de productie bedreigt.
Een eerlijk beeld van de risico's van AI vereist meer dan een inventarisatie van modellen, en Xygeni draait al de engines die dit beeld completeren:
API-sleutels voor AI-aanbieders zijn net als alle andere geheimen, en de geheimdetectie van Xygeni vindt ze in al uw repositories, configuratiebestanden en pipelines, voordat ze een openbaar register of een buildlog bereiken.
De AI-stack is gebouwd op standaardpakketten, en standaardpakketten bevatten CVE's. De softwareanalyse van Xygeni brengt bekende kwetsbaarheden aan het licht in de AI- en ML-bibliotheken waarvan uw applicaties afhankelijk zijn, op hetzelfde platform als de AI-componenten die ze gebruiken.
AI-stacks halen snel afhankelijkheden op uit vele bronnen. De malwaredetectie van Xygeni spoort kwaadaardige pakketten op die nog steeds door op reputatie gebaseerde tools worden vertrouwd, zonder te hoeven wachten op een CVE of een openbaar advies.
Eén platform, zodat de AI-vraag een volledig antwoord krijgt in plaats van drie gedeeltelijke antwoorden van drie verschillende tools.
Ontdek het aanvalsoppervlak van AI dat uw bestaande beveiligingstools niet kunnen zien, en beheer dit samen met alle andere applicatierisico's.
Uw statische analyse weet niet wat een model is. Uw compositieanalyse geeft geen overzicht van MCP-servers. Dit is geen fout in die tools, ze zijn ontworpen voor een ander probleem. Xygeni inventariseert AI-middelen, analyseert MCP-configuraties, markeert kwaadaardige vaardigheids- en regelbestanden en bouwt uw AI-BOM.
AI-bevindingen worden naast uw code, afhankelijkheden en geheimen bewaard. pipeline en API-bevindingen, in één console met één prioriteringsmodel. AI is een nieuw aanvalsoppervlak, geen reden voor een nieuwe tool met zijn eigen login.
Xygeni sluit aan bij de raamwerken die momenteel de basis vormen voor AI in software: de OWASP Top 10 voor LLM-toepassingen, voor MCP en voor Agentic Skills, NIST SP 800-218A, en de CISA- en G7-richtlijnen voor een software-Bill of Materials voor AI. Deze richtlijnen genereren het bewijsmateriaal dat aantoont dat deze kaders worden toegepast en ondersteunen de verwachtingen ten aanzien van inventarisatie en traceerbaarheid die regelgeving zoals de EU AI-wet, NIS2 en de Spaanse ENS aan organisaties stelt.
De richting is bepaald: de SBOM wordt uitgebreid naar de AI-BOM. Je kunt niet garanderen wat je niet hebt geïnventariseerd.
Modellen, AI-frameworks, datasets, inferentie-eindpunten, agents en agentservers, MCP-servers, vaardigheden, prompts, guardrailsen de AI-codeertools die in uw repositories worden gebruikt.
Door uw repositories continu te analyseren: code, afhankelijkheden en de configuratiebestanden die AI-tools achterlaten. Niets is afhankelijk van ontwikkelaars die zelf aangeven wat ze gebruiken.
Een AI-stuklijst is een machineleesbare inventaris van de AI in uw software: modellen, datasets, componenten, leveranciers en afhankelijkheden. Regelgevers en standardSteeds meer instanties beschouwen het als de basis voor het bewijsmateriaal voor AI-governance, en je kunt geen uitspraak doen over iets wat je niet hebt geïnventariseerd.
AI-specifieke faalmodi, waaronder promptinjectie en het omzeilen van systeemprompts, toolinjectie en het aanroepen van onbetrouwbare tools, datalekken door het ophalen van gegevens en excessieve autonomie, zijn gekoppeld aan de OWASP Top 10 voor LLM-toepassingen.
Ja. Elke bevinding verwijst naar het betreffende bestand en de betreffende regel, legt uit waarom het relevant is en biedt oplossingen, zowel in de vorm van algemene beheersmaatregelen als specifieke richtlijnen voor die bevinding.
Die tools analyseren code en afhankelijkheden. Ze modelleren niet wat een AI-agent is, wat een MCP-server beschikbaar stelt of wat een skill-bestand een assistent opdraagt te doen. Xygeni voegt die laag toe en houdt deze binnen hetzelfde platform als de rest van uw bevindingen.
Ja. De inventaris wordt vergeleken met een basislijn, zodat je kunt zien welke AI-systemen er tussen de scans zijn geïntroduceerd, gewijzigd of verwijderd.
Begin gratis, of plan een demo in en we bekijken samen met u uw AI-aanvalsoppervlak.
met het Xygeni All-In-One AppSec-platform
