Google Mandiant AVDH Finden Sie 100 Outdoors Zwei Tage

Zwei Tage. Kritische Verwundbarkeit über das Gesicht verifiziert. Das gescannte Material waren die Firmencode-Lagerhäuser, die die Angreifer spielten. Google Threat Intelligence Group teilte die Architektur von AVDH, die Mandiant für zehn Monate im 18. August 2026 verwendet. Wie das Fahrzeug funktioniert, welche CVE-Nummern produzieren und was es auf der Verteidigungsseite bedeutet, wird unten diskutiert.

Was ist AVDH und was macht es?

Mit dem AVDH-Winkel ist Agentic Vulnerability Discovery Harness ein internes Tool, das Mandiant-Berater bei der Überprüfung von Quellcodes verwenden. Die Codebasis besteht aus Experten für künstliche Intelligenz, die zusammengekettet sind, um ausnutzbare offene und Angriffspfade zu scannen und zu entfernen.

Die Architektur des Fahrzeugs Google Cloud Threat Intelligence Blogbeitrag Erstmals für die Öffentlichkeit geöffnet. Unter dem Artikel Alex Tselevich und Michael Maturi Unterschrift. Laut Google wurde die Architektur geteilt, um Verteidiger zu führen, die ähnliche Ansätze in ihrer Umgebung aufbauen wollen.

Infrastruktur Google Agent Development Kit an Bord. Agenten sind nicht zufällig, sie sind sogar wie im Wasserfallmodell sequenziert: Jede Stufe kann nicht die nächste beginnen, ohne abgeschlossen zu sein. Diese Struktur wird bevorzugt, um das unvorhersehbare Verhalten großer Sprachmodelle zu begrenzen. Anstatt "offen in diesem Lagerhaus" zu einem einzigen Modell zu sagen, Multifaktorsysteme Eine enge und definierte Aufgabe wird jedem Agenten mit Logik gegeben.

Nicht nur Flächen nutzen. AVDH-Schaltung in proaktiven Code-Reviews, Lecktests, Red-Tool-Operationen und Incident-Intervention-Arbeit.

Wie gibt man 100 Bulgus pro zwei Tage aus?

Die bemerkenswerteste Leistung des Fahrzeugs wurde während eines Vorfalls vorgenommen. Bei der Untersuchung der Unternehmenscode-Lagerhäuser, die von Saldurgans gespielt wurden, übernahm das Geschirr in zwei Tagen kritisch. Mit dem Ausdruck von Google wurde die gleiche Arbeit von Hand erledigt, der Boden hält länger.

Die Skala in den zehn Monaten der Nutzung ist gewachsener. Das Fahrzeug wurde in Umgebungen mit Dutzenden von Millionen Codezeilen betrieben, Tausende von Analysezeilen wurden ausgeführt und Tausende von finden. Laut den in Help Net Security veröffentlichten Nachrichten Für den Fall, dass 12 dieser Ergebnisse die CVE-Nummer erhalten haben, ist ein Dutzend ebenfalls im Offenlegungsprozess.

Zwei Drupal-Schwachstellen heben sich von den zugewiesenen Nummern ab. Ein Zuhause CVE-2026-13242 im Additivmodul ReleaseSonstiges Zuhause CVE-2026-55803 im Core Release veröffentlicht. Weit verbreitete Web-Plugins und Open-Source-Projekte gehören zu den effizientesten Bereichen des Fahrzeugs.

Es wird darauf hingewiesen, dass es in gezielten Operationen arbeitet. Ein Remote-Code-Run-Defizit, das den ersten Zugriff ermöglicht, wenn die Webanwendung eines Kunden in kurzer Zeit vom Quellcode-Geschirr übergeben wird.

Welche Phasen passiert Agent Chain?

Die Linie beginnt, das Bedrohungsmodell zu entfernen. Der Agent namens Explorer bestimmt, was die Codebasis funktioniert: Ist die Software-Feld-Web-App, Desktop, was die Dokumentation enthielt, welche Ordner wie Unit-Tests aus dem Scan ausgelassen werden sollten. Dann werden Specialist Explorer Subagenten aktiviert und in Bereiche wie Authentifizierung, Autorisierung, Routing getrennt. Outputs werden im Threat Model Synthesis Agent zusammengefasst und in ein einzelnes Bedrohungsmodell transformiert.

Hier tritt der Mann in Aktion. Das Bedrohungsmodell wird sowohl dem Text als auch dem visuellen Berater vorgestellt und ruft keine Linien ohne Genehmigung an. Ziel ist es, zu verhindern, dass die verbleibenden Phasen auf einem fehlerhaften Boden arbeiten.

Nach der Genehmigung arbeiten jede Datei im Kontext der Discovery-Agenten parallel. In diesem Stadium wird das leichte Gemini Flash Lite-Modell verwendet, da die Arbeitsskala erfordert: Die HTTP-Routen, Interprozess-Kommunikationshörer und ähnliche Eingabepunkte werden von den Benutzereingaben entfernt, die diese Punkte erreichen.

Jeder ausgewählte Eintrittspunkt wird einem Anreicherungsmittel übergeben. Reiniger, Berechtigungskontrollen und Routingbedingungen in Unternehmensanwendungen werden an verschiedene Orte des Codes verteilt. Enrichment Agent ergänzt sie und den Kontext und entscheidet dann, ob es sich um den Access Control Agent oder den Data Flow Analysis Agent handelt.

Hypothese Produktionsarbeiten dieser beiden Agenten. Access Control Agent ist wirklich vor einem Eingabepunkt geschützt und sucht nach Mängeln wie fehlende Autorisierung, Autorisierungsupgrade, Site-to-Site-Anforderungsfälschung. Der Data Flow Analysis Agent folgt der Art und Weise, wie die Benutzereingabe während der gesamten Anwendung überwacht wird. Es scheint klar zu sein, ob die Eingabe einen gefährlichen Punkt erreicht: SQL-Injektion, Skriptoperation zwischen Standorten, Skript-Injektion, Verzeichnisnavigation.

Warum ist Human Verification?

Das Problem, das automatische Codescanner lange Zeit tragen, ist das Rauschen: Ergebnisse, die auf dem Papier angemessen sichtbar sind, aber nicht stehen, wenn sie kontrolliert werden. AVDH versucht, dieses Problem mit zwei Schichten zu lösen.

Auf der Maschinenseite der ersten Schicht. Jede erstellte Hypothese wird an mehrere Validierungsagenten gesendet, die mit einem hohen Temperaturwert strukturiert sind. Hohe Temperaturen ermöglichen es dem Modell, eine breitere Palette von Möglichkeiten auszuprobieren, was bedeutet, dass Agenten das Ergebnis voneinander diskutieren. Dann wird ein einzelner Validation Synthesis Agent lesen und auf dem Gelände entscheiden. Eines der drei Ergebnisse geht aus: Der verifizierte Befund wird als Hypothese abgelehnt, da er nicht mit der verfallenen Hypothese oder dem Bedrohungsmodell übereinstimmt.

Die zweite Schicht auf der menschlichen Seite. Korrigierte Ergebnisse werden rausgeschmissen und gehen Sie zu Mandiant Berater, nachdem der Risikograd vergeben wurde. Der Berater regeneriert die Ausnutzung, das Konzept führt den Beweiscode aus, und die Überprüfung geht los und schließt den Angriffspfad einiger weniger kompensierter Kontrolle. Dieser Test wird direkt an den unsichtbaren Befund freigegeben. Google empfiehlt Verteidigern, die eine ähnliche Linie installieren, eine manuelle Überprüfung der Ergebnisse.

Es gibt eine separate Lösung für falsche Negative. Die Akkumulation von Beratern wird in Regelsätze umgewandelt, die in Sprach-, Frame- und Open-Typ-Kategorien unterteilt sind, so dass der Softwarebereich an der Spitze steht und direkt injiziert wird. Künstliche Intelligenz Sicherheit Die Antwort auf das Problem der Modellzuverlässigkeit, das oft nebenbei diskutiert wird, wird hier auf architektonischer Ebene gesetzt.

Unterschiede zwischen AVDH, CodeMender und MDASH

Agentenlinien haben nicht mehr ein einziges unternehmen versucht. Auf der Google-Seite, der AVDH-Spot-Puls-Tiefenanalyse, scannt und patcht CodeMender kontinuierlich die Schicht. Die Verwendung von zwei zusammen wird als zweischichtige Verteidigung und ready-to-Installation Unternehmen beschrieben Google AI Threat Defense Anzeigeplattform.

Microsoft Fassade hat eine ähnliche Architektur. Microsoft im Sicherheitsblog angekündigt Das System namens MDASH-Code läuft über mehrere Modelle von spezialisierteren Agenten. Das Windows-Netzwerk und der Authentifizierungsstack waren 16 offen. Dördu war in der kritischen Remote-Code-Laufklasse. Wolkenflöte Architektur des eigenen Vulnerability-Geschirrs Home durch die Veröffentlichung der gleichen Richtung: das Produktmodell ist nicht, die Linie selbst.

Wo ist die Verteidigung gegen Saldurgan Künstliche Intelligenz?

Google fasst das Anliegen der Frame-Defense-Seite zusammen, die für den Artikel ausgewählt wurde. Wenn der Quellcode durchgesickert ist, bewegen sich die Verteidiger auf der Maschinengeschwindigkeit mit dem gleichen Code, wenn sie laufen, um das Öffnen zu finden und zu patchen. Die beiden Seiten des Rennens werden auch schnell von Hand gemacht, die Code-Review ist allein nicht ausreichend.

Der konkrete Zustand der Bedrohung begann gesehen zu werden. Schädliche AI-Modelle zu Hause Die Filter zeichnen Multi-Task-Angriffsrahmen von entfernten Modellen auf. Auf der Verteidigungsseite besteht ein anderes Risiko: Entstehung autonomer Wirkstoffe aus isolierter Testumgebung Wie Fälle zeigten, sind die für die Sicherheit eingerichteten Systeme die einzige Angriffsfläche.

Der Teil, der für Sicherheitsteams in der Türkei auf der architektonischen Seite zu lesen ist. Die von Google geteilte Struktur ist kein vorgefertigtes Produkt, das Installationsrezept. Eine vierteilige Linie wird installiert, anstatt ein Modell direkt mit der Codebasis zu verbinden: Bedrohungsmodell, engstirnige Agenten, widersprüchliche Verifizierung und obligatorisches menschliches Tor. Derselbe Ansatz ist in der Institution wiederholbar. Autonomes Kodierungsmodell Die Entwicklungen auf der Seite erleichtern es auch der Sicherheitsinspektion, sich aus dem Software-Lebenszyklus zurückzuziehen.

Häufig gestellte Fragen

Was ist AVDH und wer verwendet es? AVDH ist eine Multi-Faktor-Schwachstellenerkennungslinie, die das Mandiant-Team bei Ressourcencode-Reviews auf Google verwendet. Das Fahrzeug ist auf zehn Monate im internen Gebrauch und proaktive Bewertungen, Lecktests, rote Team Operationen mit Vorfall Interventionen. Architektur wurde am 18. August 2026 eröffnet, aber das Fahrzeug selbst wird nicht als herunterladbares Produkt vertrieben.

Wie viele Schwachstellen wurden gefunden? Das konkreteste erklärte Ergebnis ist kritisch klar, was mehr verifiziert ist, so dass es sich in zwei Tagen auf gestohlenen Firmencode-Lagern befindet. Über zig Millionen Zeilen von Codes wurden in der Gesamtnutzung von zehn Monaten gescannt und Tausende von Funden wurden produziert. Die CVE-Nummer wurde von diesen Erkenntnissen auf 12 festgelegt, wobei bis zu einem Dutzend enthüllt wurde.

Wie kann die Genauigkeit der Ergebnisse garantiert werden? Die Überprüfung funktioniert in zwei Phasen. Mehrere Agenten, die mit hoher Temperatur strukturiert sind, sind Hypothese getrennt, und es entscheidet, ob man einen Syntheseagenten bewertet und beurteilt. Dann Mandiant Berater regenerieren die Exploitation und führen Sie den Konzept-Proof-Code; der Test wird eliminiert.

Was ist der Unterschied zwischen AVDH und CodeMender? AVDH ist für die tiefe Analyse eines bestimmten Masters konzipiert, während CodeMender ständig browset und Patching arbeitet. Google definiert die Verwendung von zwei als Zwei-Schichten-Verteidigung: Point-off-Review für komplexe Ketten, nahtlose Sichtbarkeit während des Entwicklungslebenszyklus.

Können Unternehmen selbst eine ähnliche Linie bauen? Ja, die Google-Architektur wurde zu diesem Zweck veröffentlicht. Die Erstellung des Bedrohungsmodells für die Installation, engmaschige Agenten, widersprüchliche Verifizierungsschicht und obligatorische menschliche Überprüfung erforderlich. Google AI Threat Defense wird als Alternative für Unternehmen präsentiert, die plattformreife Lösungen suchen.

Der tatsächliche Test des Fahrzeugs wird sicher sein, wie schnell es auf der Angriffsseite des gleichen Ansatzes üblich ist. Mandiant Team kündigte an, dass die Live-Ansichten der Linie in der Cyber Defense Summit-Sitzung geteilt werden, die vom 15. bis 16. September 2026 in Washington stattfinden wird. Die einzige Maßnahme, die bis zu diesem Datum beschrieben wird, ist das Gesicht, das in zwei Tagen kommt.