💼VentureBeat•最新收集於 1m
Visa 的 AI Harness 在人工審查前修補程式碼
#application-security#autonomous-agents#open-source-securityvisa-vulnerability-agentic-harness-(vvah)visavisa vulnerability agentic harnessanthropicclaude mythosproject glasswing
💡Visa 的開源 Harness 能在人工審查前發現、修補並對抗性測試漏洞。
⚡ 30-Second TL;DR
有什麼變化
VVAH 將漏洞探索、驗證、修復、確認與對抗性測試整合為 11 階段流程。
為什麼重要
VVAH 可能縮短漏洞發現與修復之間的時間，尤其能協助資安人力有限的組織。然而，自動修改生產程式碼也提高了治理、授權、回滾與誤判風險，團隊必須在模型之外建立控制機制。
下一步行動
先複製 Visa Vulnerability Agentic Harness，並在非生產環境儲存庫以僅偵測模式執行，再考慮啟用自動修復。
誰應關注：Enterprise & Security Teams
關鍵要點
- •VVAH 將漏洞探索、驗證、修復、確認與對抗性測試整合為 11 階段流程。
- •預設工作流程會在人工審查修補方案前，修改目標儲存庫中的原始碼檔案。
- •操作人員可以將 Harness 限制在僅偵測模式，避免自動修復。
- •該開源專案的 GitHub 星數從 7 月的 595 顆增至 8 月 25 日的逾 2,300 顆。
- •Visa 表示，這套 Harness 源自 Anthropic 的 Project Glasswing 與 Claude Mythos 安全測試。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 5 個來源。
🔑 增強重點摘要
- •Visa 將 VVAH 貢獻給由 Nvidia 主導的「開放安全 AI 聯盟」（Open Secure AI Alliance），旨在推動產業標準化。
- •該框架具備「閉環修復」（closed-loop remediation）機制，若初步驗證失敗，AI 可自動根據結構化回饋進行修正與重試，無需重啟整個流程。
- •Visa 技術總裁 Rajat Taneja 指出，該工具將安全瓶頸從「漏洞發現」轉移至「修復與驗證速度」，成功將平均適應時間（MTTA）從數週縮短至數小時。
- •VVAH 採用模型無關（model-agnostic）架構，企業可自由配置 Anthropic、OpenAI 或其他開源模型，無需修改底層程式碼。
- •Visa 同步擴展了 Visa Consulting & Analytics (VCA) 諮詢業務，提供 AI 網路領導力教育與基於 VVAH 的成熟度評估服務。
🛠️ 技術深入
- 採用 11 階段自動化工作流程，涵蓋漏洞偵測、驗證、修復、確認及對抗性測試。
- 支援模型無關架構，透過標準化介面整合不同供應商的 AI 模型。
- 具備閉環回饋系統，能自動處理修復失敗並進行迭代優化。
- 整合對抗性測試模組，在修補程式部署前模擬攻擊以驗證安全性。
- 支援多層級的人機協作（Human-in-the-loop）治理選項，允許操作人員設定自動化程度。
🔮 前景展望AI analysis grounded in cited sources
自動化修復將成為企業軟體開發生命週期（SDLC）的標準配置。
隨著 MTTA 顯著縮短，企業將被迫採用自動化修復以維持競爭力與安全性。
AI 驅動的對抗性測試將取代傳統的靜態分析工具（SAST）。
VVAH 證明了結合對抗性測試的自動化流程能提供比傳統靜態掃描更精確的漏洞驗證結果。
⏳ 時間線
2026-06
Visa 正式將 Vulnerability Agentic Harness (VVAH) 開源發布。
2026-07
VVAH 在 GitHub 上獲得 595 顆星，開始受到開發者社群關注。
2026-08
Visa 宣布重大更新，將 VVAH 整合至 Nvidia 主導的 Open Secure AI Alliance。
📎 來源 (5)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： VentureBeat ↗
每週 AI 簡報
每週一封，可隨時退訂。