Cloudbeveiliging loopt achter op autonome AI-agents
De snelle opmars van autonome AI-agents in softwareontwikkeling en cloudbeheer vergroot de kloof tussen de snelheid van nieuwe applicatie-releases en het vermogen van beveiligingsteams om risico’s te beheersen. Dat blijkt uit het zesde jaarlijkse State of Cloud Security Report, gebaseerd op een wereldwijd onderzoek onder 2.800 beveiligingsleiders en -specialisten in tien landen en dertien sectoren. Terwijl organisaties AI-agents inzetten om op machinesnelheid code te schrijven, pipelines te configureren en applicaties uit te rollen, leunen verdedigers nog te vaak op gefragmenteerde zichtbaarheid en handmatige reactieprocessen.
Uit de onderzoeksresultaten blijkt dat 99 procent van de ondervraagde organisaties inmiddels gebruikmaakt van autonome of semiautonome AI-agents binnen hun ontwikkelstraat. Bijna drie kwart (73 procent) geeft deze agents bovendien de bevoegdheid om daadwerkelijk code, pipeline-configuraties of productieomgevingen aan te passen. Hierdoor rapporteert 82 procent snellere updatecycli voor cloudinfrastructuur. De beveiligingscontroles blijven echter achter bij dit tempo. Gemiddeld handhaven organisaties minder dan drie van de acht onderzochte beveiligingscontroles voorafgaand aan een uitrol. Het gevolg is dat gemiddeld 19 procent van de ernstige en kritieke kwetsbaarheden tijdens een reguliere releasecyclus ongehinderd de productieomgeving bereikt. Naast technische beperkingen spelen zakelijke druk om snel op te leveren (39 procent) en onduidelijk beleid rond risicoacceptatie (30 procent) hierbij een grote rol.
De toenemende autonomie van AI-agents zorgt daarnaast voor een nieuw identiteits- en governancevraagstuk binnen cloudomgevingen. Maar liefst 40 procent van de organisaties is na uitvoering niet in staat om de acties van een AI-agent volledig te reconstrueren. Nog zorgwekkender is dat 53 procent de activiteiten van agents vastlegt onder de identiteit van een menselijke ontwikkelaar of via persoonlijke toegangstokens. Zonder afzonderlijke identiteiten en duidelijke audittrails is bij een incident nauwelijks te achterhalen of een wijziging door een mens of een machine is doorgevoerd. Ook het toegangsbeheer verloopt traag: het duurt gemiddeld 2,5 dag om gecompromitteerde inloggegevens in te trekken of te vernieuwen, mede doordat 60 procent van de bedrijven dit nog handmatig doet. Tegelijkertijd groeit het risico op datalekken door ongecontroleerd AI-gebruik. Slechts 9 procent kan onbeheerde AI-tools automatisch detecteren in de cloud. Ondertussen heeft 40 procent al geconstateerd dat gevoelige bedrijfsdata werd gekopieerd naar ongeautoriseerde AI-toepassingen, en ontdekte 39 procent dat gereguleerde data werd gebruikt voor het ongeoorloofd trainen of verfijnen van modellen.
Aan de aanvalszijde zorgt geavanceerde AI eveneens voor een versnelling. Van de ondervraagde beveiligingsleiders beschouwt 65 procent het geautomatiseerd opsporen en uitbuiten van kwetsbaarheden door geavanceerde AI-modellen als een ernstige bedreiging voor vitale infrastructuur in de komende twaalf tot achttien maanden. Tegenover deze geautomatiseerde aanvalssnelheid staat een trage herstelpraktijk: organisaties hebben gemiddeld 18,4 dagen nodig om een codefix van detectie naar productie te brengen. Bijna de helft (47 procent) koppelt applicatiekwetsbaarheden nog handmatig aan actieve dreigingen in de runtime-omgeving, terwijl 28 procent deze koppeling helemaal niet maakt. Vertragingen ontstaan voornamelijk door handmatige correlatie (34 procent), het wachten op actie van ontwikkelaars (33 procent) en onduidelijkheid over wie eigenaar is van bepaalde code (31 procent). Slechts 19 procent beschikt over een integraal overzicht dat code, cloudinfrastructuur, identiteiten en runtime-omgevingen met elkaar verbindt.
Om de beveiliging in lijn te brengen met de snelheid van AI-ontwikkelingen, schetst het rapport vier noodzakelijke prioriteiten voor organisaties. Ten eerste moeten beveiligingscontroles veel eerder in het ontwikkelproces worden verankerd, zodat kwetsbaarheden, blootgestelde geheimen en verkeerde configuraties al vóór de uitrol worden geblokkeerd. Ten tweede is strikter identiteitsbeheer voor AI-agents vereist, inclusief unieke machine-identiteiten, minimale toegangsrechten en kortlevende inloggegevens die automatisch kunnen worden ingetrokken. Ten derde moeten teams hun beveiligingscontext uniformeren van code tot cloud en het Security Operations Center (SOC), om dreigingen sneller in samenhang te herkennen. Tot slot pleiten de onderzoekers voor het automatiseren van prioritering en herstelacties, ondersteund door duidelijke kaders en terugdraaimogelijkheden, zodat verdedigers zonder verlies van controle op machinesnelheid kunnen ingrijpen.