Google AVDH: Agentische Code-Analyse gegen adversariale AI

Der adversariale Einsatz von AI verkürzt das Zeitfenster, das Verteidiger haben, um Schwachstellen vor deren Ausnutzung zu identifizieren und zu schließen. Der Agentic Vulnerability Discovery Harness (AVDH) von Google gestaltet die Quellcode-Analyse als agentengestützte Pipeline mit menschlicher Expertise.

Wenn proprietärer Quellcode offengelegt wird, müssen Verteidiger schnell reagieren, während Angreifer AI-Werkzeuge in Maschinengeschwindigkeit einsetzen. Mandiant und Google Cloud haben AVDH vorgestellt — ein internes Werkzeug, das LLM-basierte Analyse strukturiert, skeptische Validierung erzwingt und Domänenwissen direkt in den Workflow einbindet. Das Ergebnis: schnellere und präzisere Schwachstellenfindung bei proaktiven Reviews, Penetrationstests, Red-Team-Operationen und Incident-Response-Einsätzen.

Was wurde angekündigt

Das Google Threat Intelligence Team hat die Architektur des Agentic Vulnerability Discovery Harness (AVDH) offengelegt, den Mandiant seit zehn Monaten intern verwendet. Bei einer aktuellen Incident-Response-Untersuchung mit gestohlenen Unternehmens-Repositories entdeckte AVDH in nur zwei Tagen mehr als 100 echt-positive kritische Schwachstellen.

Der Harness hat Umgebungen mit zig Millionen Codezeilen analysiert, tausende Pipelines ausgeführt und zehntausende Findings generiert. Auffindbare Schwachstellen in weit verbreiteten Web-Extensions und Open-Source-Projekten führten zu 12 zugewiesenen CVEs, darunter CVE-2026-13242 und CVE-2026-55803. AVDH ist so konzipiert, dass er zusammen mit dem kontinuierlichen Scannen von CodeMender eine zweistufige Verteidigungsstrategie bildet.

Warum dies relevant ist

Für CIOs, CISOs, IT-Leiter und Einkaufsverantwortliche signalisiert AVDH einen Reifegrad-Wandel in der AI-gestützten Sicherheit. Manuelle Code-Reviews können mit adversarialer AI nicht Schritt halten, und klassische Scan-Engines übersehen viele moderne Schwachstellenklassen. Durch die Einbettung von Frontier-Modellen in einen expertengestützten Harness lässt sich die Entdeckung routinemäßiger Schwachstellen automatisieren, sodass sich Spezialisten auf komplexe Exploit-Ketten konzentrieren können.

AI ist am effektivsten, wenn sie als praktischer Multiplikator menschlicher Expertise eingesetzt wird und Quellcode-Sichtbarkeit in eine skalierbare Verteidigung verwandelt

Technische Details

• Framework: Basiert auf dem Google Agent Development Kit (ADK) und ist an die agentische Orchestrierung von Google Antigravity angelehnt.
• Sequenzielle Pipeline: Explorer-Agenten führen die Reconnaissance durch und erstellen ein Threat Model, das von Menschen geprüft wird.
• Entry-Point-Discovery: Parallelisierte Discovery-Agenten nutzen Gemini Flash Lite, um HTTP-Routen, IPC-Listener und weitere Angriffsvektoren im großen Maßstab zu extrahieren.
• Kontextanreicherung: Enrichment-Agenten aggregieren verteilte Sanitizer, Berechtigungen und Routing-Bedingungen über verschachtelte Aufrufe hinweg.
• Hypothesengenerierung: Access Control und Data Flow Analysis prüfen SQL Injection, XSS, Command Injection, Path Traversal, CSRF und Privilege Escalation.
• Validierung: Mehrere Validation-Agenten mit hoher Temperature-Einstellung liefern Daten an einen Synthesis-Agenten für die finale Entscheidung.
• Human-in-the-Loop: Berater reproduzieren die Ausnutzung mit POC-Code vor jeder Offenlegung.
• Distilled Knowledge: Eine modulare Regelhierarchie (Domäne, Sprache, Framework, Schwachstelle) integriert Mandiant-Expertise auf jeder Ebene.
• Benchmarking: Proprietäre synthetische Codebases vermeiden Kontamination der Trainingsdaten.

Softprom und Google

Softprom ist der offizielle Partner von Google. Unser Team unterstützt Unternehmen bei der Evaluierung, Implementierung und Operationalisierung von Google Cloud Security-Lösungen — von AI-basierter Bedrohungsabwehr bis zu sicheren Entwicklungspipelines und Vulnerability Management.

Dieser Inhalt wurde im Rahmen des Projekts Softprom DistriFlow erstellt — eines automatisierten Systems zur Überwachung und Anpassung von Vendor-News. Quelle: Originalartikel.