Isang skill file, isang rules file, isang MCP config. Plain text, commitNa-test na parang dokumentasyon, sinusuri na parang dokumentasyon, at tahimik nitong isinusulat muli kung ano ang pinapayagang gawin ng iyong AI. Natutukoy ng Xygeni ang mga malisyosong kasanayan, mga nakalalasong prompt, at mga hindi ligtas na hangganan ng ahente na hindi kailanman ginawa para hanapin ng iyong mga code scanner.
Read-only access · Tumatakbo ang mga scan sa iyong imprastraktura · Hindi kailanman ina-upload ang iyong code
Tuklasin ang mga AI agent, prompt, at MCP configuration sa iyong codebase, tuklasin ang mga nakatagong panganib, at unahin ang mga isyung mahalaga bago pa man umabot sa produksyon ang mga ito.
Tuloy-tuloy at awtomatikong pagtuklas sa iyong mga repositoryo: mga modelo, framework, dataset, inference endpoint, mga ahente, mga MCP server, mga kasanayan, mga prompt, guardrails, at ang mga AI coding tool na aktwal na ginagamit ng iyong mga developer. Walang mga survey, walang pag-uulat sa sarili.
Natutuklasan ng isang nakalaang AI scanner ang mga pagkabigong partikular sa mga sistema ng AI: prompt injection, tool injection, data leakage through retrieval, system prompt bypass, at labis na ahensya. Ang bawat natuklasan ay inimap sa mga AI security framework na ginagamit na ng iyong team, at itinuturo ang eksaktong linya ng code na lumilikha ng exposure.
Pinakikitid ng prioritization funnel ang bawat natuklasan sa AI sa kung ano ang maaabot sa application code, tunay na magagamit, at nasa code na aktibong binubuo ng iyong mga team. Ginagawa ng mga team ang ilang mahahalagang natuklasan.
Mula sa Shadow AI patungo sa isang Audit-Ready Inventorygk
Tingnan ang kabuuang bakas ng iyong AI at kung gaano karami ang may dala nitong panganib, sinusubaybayan laban sa isang baseline para malaman mo kung lumalaki ang iyong exposure. Ang bawat asset ay may kanya-kanyang risk score, provider nito, uri nito, at eksaktong lokasyon nito sa iyong code.
Ang isang AI asset nang hiwalay ay walang gaanong sinasabi. Ipinapakita ng graph ang mga ugnayang nagdadala ng panganib: aling modelo ang pinapakain ng dataset, aling agent ang gumagamit ng aling tool, aling MCP server ang nasa likod ng isang assistant, at kung saan nakatuon ang panganib sa buong chain na iyon. Salain ayon sa kategorya ng asset, uri, relasyon, o antas ng panganib.
Mag-export ng isang machine-readable na listahan ng mga materyales para sa iyong AI, na nabuo mula sa parehong patuloy na pagtuklas na nagpapagana sa imbentaryo. Kapag ang isang auditor, isang customer, o isang regulator ay nagtanong kung anong AI ang iyong pinapatakbo, ang sagot ay isang pag-download, hindi isang tatlong linggong manual na pagsasanay.cise.
Ang mga skill file, rules file, at MCP config ay commitGinagawang plain text at sinusuri na parang hindi nakakapinsala, ngunit tinutukoy nito kung ano ang iniuutos sa isang assistant na gawin at kung ano ang pinapayagan nitong maabot. Sinusuri ng Xygeni ang mga ito bilang mga artifact sa seguridad: minamarkahan nito ang mga malisyosong kasanayan at nireregula ang mga file, sinusuri ang mga configuration ng MCP server, at ipinapakita ang mga prompt na nagtutulak sa iyong mga AI workload.
Natutukoy ng AI scanner ng Xygeni ang mga failure mode na partikular sa mga AI system at hindi nakikita ng conventional code analysis: malisyosong manipulasyon ng pagpapatupad ng tool, hindi awtorisadong pagkuha ng mga sensitibong dokumento sa pamamagitan ng vector store, pag-bypass ng system prompt, mga jailbreak sa pamamagitan ng crafted input, at hindi mapagkakatiwalaang tool invocation.
Ang bawat natuklasan sa AI ay may kasamang balangkas na sanggunian, ang apektadong asset at tool ng AI, kung gaano katagal nabuksan ang exposure, ang eksaktong file at linya, isang paliwanag kung bakit ito mahalaga, at ang pagpapagaan na nahahati sa mga pangkalahatang kontrol at gabay na partikular sa natuklasang iyon. Hindi isang alerto. Isang pag-aayos.
Progresibong pagsasala mula sa bawat natuklasan hanggang sa mga nasa application code, pagkatapos ay sa mga maaaring gamitin, pagkatapos ay sa mga nasa aktibong pag-develop. Ang listahang makakarating sa iyong team ay ang listahang nagbabanta sa produksyon.
Ang isang tapat na larawan ng panganib ng AI ay nangangailangan ng higit pa sa isang imbentaryo ng modelo, at pinapatakbo na ng Xygeni ang mga engine na kumukumpleto nito:
Ang mga API key para sa mga AI provider ay mga sikreto tulad ng iba pa, at hinahanap ito ng mga sikreto ng Xygeni sa iyong mga repository, configuration file at pipelines, bago pa man makarating ang mga ito sa isang pampublikong rehistro o isang build log.
Ang AI stack ay binuo sa mga ordinaryong pakete, at ang mga ordinaryong pakete ay may mga CVE. Sinusuri ng pagsusuri ng komposisyon ng software ng Xygeni ang mga kilalang kahinaan sa mga AI at ML library na pinagbabatayan ng iyong mga aplikasyon, sa parehong platform tulad ng mga AI asset na gumagamit ng mga ito.
Mabilis at mula sa maraming pinagmumulan ang mga AI stack na kumukuha ng mga dependency. Nahuhuli ng pagtuklas ng malware ng Xygeni ang mga malisyosong pakete na pinagkakatiwalaan pa rin ng mga tool na nakabatay sa reputasyon, nang hindi na naghihintay ng CVE o pampublikong abiso.
Iisang plataporma, kaya ang tanong sa AI ay nakakakuha ng kumpletong sagot sa halip na tatlong bahagyang sagot mula sa tatlong magkakaibang tool.
Tingnan ang ibabaw ng pag-atake ng AI na hindi kayang harapin ng iyong mga kasalukuyang tool sa seguridad, at pamahalaan ito kasama ng bawat iba pang panganib sa aplikasyon.
Hindi alam ng iyong static analysis kung ano ang isang modelo. Hindi nakalista sa iyong composition analysis ang mga MCP server. Hindi ito isang depekto sa mga tool na iyon, dinisenyo ang mga ito para sa ibang problema. Iniimbentaryo ng Xygeni ang mga AI asset, sinusuri ang mga MCP configuration, minamarkahan ang mga malisyosong skill at rule file, at binubuo ang iyong AI-BOM.
Ang mga natuklasan ng AI ay kasabay ng iyong code, dependency, secret, pipeline at mga natuklasan sa API, sa isang console na may isang modelo ng pagbibigay-priyoridad. Ang AI ay isang bagong attack surface, hindi isang dahilan para sa isang bagong tool na may sarili nitong login.
Ang Xygeni ay naaayon sa mga balangkas na namamahala ngayon sa AI sa software: ang OWASP Top 10 para sa mga Aplikasyon ng LLM, para sa MCP at para sa mga Kasanayan sa Agentic, NIST SP 800-218A, at ang CISPatnubay ng A at G7 sa isang Software Bill of Materials para sa AI. Bumubuo ito ng ebidensya na tumutulong na ipakita na ang mga balangkas na iyon ay inilalapat, at sinusuportahan ang mga inaasahan sa imbentaryo at pagsubaybay na inilalagay sa mga organisasyon ng mga regulasyon tulad ng EU AI Act, NIS2 at ENS ng Espanya.
Nakatakda ang direksyon: ang SBOM ay lumalawak patungo sa AI-BOM. Hindi mo mapapatunayan ang hindi mo pa naiimbentaryo.
Mga modelo, mga balangkas ng AI, mga dataset, mga endpoint ng hinuha, mga ahente at server ng ahente, mga MCP server, mga kasanayan, mga prompt, guardrails, at ang mga AI coding tool na ginagamit sa iyong mga repository.
Sa pamamagitan ng patuloy na pagsusuri sa iyong mga repository: code, mga dependency, at ang mga configuration file na iniiwan ng mga AI tool. Walang nakasalalay sa mga developer na mag-uulat mismo kung ano ang kanilang ginagamit.
Ang AI Bill of Materials ay isang imbentaryo ng AI sa iyong software na nababasa ng makina: mga modelo, dataset, component, provider at dependency. Mga regulator at standardNagtatagpo-tagpo ang mga lupon nito bilang batayan ng ebidensya para sa pamamahala ng AI, at hindi mo mapapatunayan ang hindi mo pa naiimbentaryo.
Ang mga AI-specific failure mode kabilang ang prompt injection at system prompt bypass, tool injection at untrusted tool invocation, data leakage through retrieval, at excessive agency, ay naisama sa OWASP Top 10 para sa mga Aplikasyon ng LLM.
Oo. Ang bawat natuklasan ay nakaturo sa file at linya, nagpapaliwanag kung bakit ito mahalaga, at nagbibigay ng mitigasyon kapwa bilang pangkalahatang mga kontrol at bilang gabay na partikular sa natuklasang iyon.
Sinusuri ng mga tool na iyon ang code at mga dependency. Hindi nila minomodelo kung ano ang isang AI agent, kung ano ang inilalantad ng isang MCP server, o kung ano ang itinagubilin ng isang skill file sa isang assistant. Idinaragdag ng Xygeni ang layer na iyon at pinapanatili ito sa parehong platform tulad ng iba pang mga natuklasan mo.
Oo. Ang imbentaryo ay sinusubaybayan laban sa isang baseline, para makita mo kung anong AI ang ipinakilala, binago o inalis sa pagitan ng mga pag-scan.
Magsimula nang libre, o mag-iskedyul ng demo at sasamahan ka naming pag-aralan ang iyong AI attack surface.
gamit ang Xygeni All-In-One AppSec Platform
