OpenAI

10. november 2026

Nystartet virksomhed

Cogent og OpenAI bygger cyberforsvarsfabrikker til virksomheder

Cogent kombinerer OpenAI-modeller med virksomhedskontekst for at hjælpe med automatisk afhjælpning af sårbarheder via agenter.

Hvidt Cogent-logo på en mørk overflade af børstet metal med en varm siennafarvet refleksion.
Virksomhedsstørrelse: Nystartet virksomhed
Region: Nordamerika
Branche: Teknologi
Produkter: API, Codex, Daybreak

75 %

Kortere gennemsnitlig tid til afhjælpning af sårbarheder

5×

Flere sårbarheder vurderet og prioriteret

Cogent Security⁠(åbner i et nyt vindue) oplever, at virksomheder står over for flere sikkerhedsrisici end nogensinde. Samtidig har virksomheden erfaret, at det sværeste ikke er at finde sårbarhederne, men at afhjælpe dem. Afhjælpning er komplekst og involverer flere teams. Det kræver forståelse af sammenhængene i virksomhedens miljø: Hvordan kan en angriber udnytte en sårbarhed, hvilke forretningssystemer er i fare, og hvilke ændringer kan foretages sikkert?

Cogent bygger Cyber Defense Factories til virksomheder, så de autonomt kan finde og eliminere disse risici. Fabrikkerne er designet til at hjælpe sikkerhedsteams med at handle med maskiners hastighed, i takt med at sårbarheder opdages og udnyttes stadig hurtigere.

Cogents AI-agenter kombinerer GPT‑6.1 Sol og GPT‑5.6 med virksomhedskontekst og kontrolmekanismer for at håndtere hele forløbet fra undersøgelse til verificeret afhjælpning. Agenterne vurderer eksponeringer, udfører tilladte ændringer og bekræfter, at risikoen er elimineret. Cogent udfører også intern forskning med Cyber og Daybreak for at undersøge angrebsveje og forsvarskapaciteter.

»OpenAI-modellernes evne til at holde langvarige opgaver kørende åbner for et nyt niveau af autonomi i virksomheders forsvar: AI-agenter kan nu føre arbejdet hele vejen fra undersøgelse til verificeret afhjælpning.«
—Geng Sng, medstifter og CTO, Cogent
Cogent Cyber Defense Factory forbinder virksomhedens cloud, kode, endpoints, identiteter og scannerdata med agenter, der undersøger, prioriterer, afhjælper og kontrollerer risici ved hjælp af OpenAI-modeller, kontekst og kundens kontrolmekanismer.

Agenter får kontekst og tilladelse til at handle

For hver kunde vedligeholder Cogents Context Engine en vidensgraf over virksomhedens aktiver, sårbarheder, identiteter, ejerskab og afhængigheder. Specialiserede baggrundsagenter samordner løbende oplysninger på tværs af sikkerhedsværktøjer og systemer, så agenter til undersøgelse og afhjælpning får en fælles forståelse af miljøet.

GPT‑6 Astra håndterer den indledende planlægning og komplekse ræsonnering i dette arbejde. Det muliggør det, som Geng Sng, medstifter og CTO hos Cogent, beskriver som et »hukommelses-harness til virksomheden«. Han siger: »Vi behøver ikke at lære, hvordan verden ser ud, forfra, hver gang der kommer en ny opgave.« Genbrug af kontekst reducerer svartider, inferensomkostninger og uensartede resultater.

Cogents Agent Policies definerer, hvilke ændringer den enkelte virksomhed tillader, og hvilke godkendelser der kræves. TRACE, virksomhedens motor til håndhævelse af politikker, kontrollerer værktøjskald op mod politikkerne, før de udføres. Kontrollerne er deterministiske og kræver ingen separat modelinferens.

En Agent Gateway kontrollerer uafhængigt, at de nødvendige tilladelser er på plads, og arbejde med højere risiko kan udføres i isolerede sandkasser. Kunderne kan uddelegere undersøgelser, kræve godkendelse af ændringer eller tillade autonom afhjælpning inden for fastsatte rammer.

Fra offentliggørelse af sårbarheder til verificeret afhjælpning

Da de kritiske sikkerhedsfejl kendt som PHP2Shell blev offentliggjort i PHP, et programmeringssprog til drift af websteder, tog kunderne de Cyber Defense Factories i brug, som Cogent allerede havde implementeret i deres miljøer.

GPT‑6.1 Sol og GPT‑6 Astra leverede den dybdegående ræsonnering til undersøgelse og planlægning af afhjælpningen. Ved hjælp af Cogents kontekstlag identificerede agenter de berørte systemer, vurderede eksponeringen og udarbejdede planer, der tog højde for applikationsafhængigheder og driftsmæssige begrænsninger. Derefter koordinerede de afhjælpningen via kundedefinerede arbejdsgange for godkendelse og udførelse og verificerede, at problemerne var løst.

Cogent oplyser, at kunderne bruger virksomhedens Cyber Defense Factories til at afhjælpe sårbarheder hurtigere og udvide deres undersøgelseskapacitet. Med Cogent reducerede en Fortune 1000-kunde i bilbranchen sin gennemsnitlige tid til afhjælpning af kritiske sårbarheder med 75 %, og en Fortune 500-kunde inden for it-service opnåede fem gange så stort gennemløb i vurderingen og prioriteringen af sårbarheder.

Den globale elektroniske handelsplatform MarketAxess bruger Cogent til at styrke sin risikobaserede tilgang til håndtering af eksponering. »Cogent samler sårbarhedsdata, forretningskontekst, sikkerhedskontroller og analyser af angrebsveje, så vi kan bekræfte den reelle eksponering og prioritere afhjælpning, hvor den gør størst forskel. Det er især bemærkelsesværdigt, hvor hurtigt Cogent-teamet reagerer på nye trusler og omsætter vores feedback til brugbare funktioner,« siger Vijay Bala, CISO hos MarketAxess.

Derfor udvikler Cogent med OpenAI-modeller og Codex

Cogent evaluerer løbende alternativer med både lukket og åben kildekode og oplever stærkere ræsonnering i langvarige sikkerhedsopgaver, større præcision, færre hallucinationer ved arbejde med tekniske kodebaser og mere pålidelig udførelse med OpenAI-modeller. Modellerne kan kæde værktøjskald sammen sekventielt og parallelt og samtidig bevare konteksten på tværs af arbejdsgange til afhjælpning.

Cogent prioriterer kvaliteten af ræsonneringen ved komplekse undersøgelser og omkostningerne ved mere enkle opgaver. Virksomheden bruger GPT‑6.1 Sol til generel opgaveudførelse og GPT‑5.6 til rutineopgaver inden for sårbarhedshåndtering, hvor avanceret ræsonnering er mindre afgørende.

»OpenAI-modeller giver mere for pengene end modeller fra de andre udbydere. Det er en stor fordel for os, især når vi kører disse enorme sværme af agenter.«
—Geng Sng, medstifter og CTO, Cogent

Brugen af OpenAI-modeller har også mindsket behovet for, at Cogent selv udvikler understøttende software til afhjælpning og patchning. »Meget af det arbejde, vi tidligere måtte udføre på harness-niveau, er ikke længere nødvendigt,« siger Geng. Han fortalte også, at OpenAI's API'er har »strømlinet routingen af anmodninger og orkestreringen af agenter, hvilket har reduceret det interne ekstraarbejde i udviklingen markant og forkortet tiden fra udvikling til lancering af komplekse sikkerhedsarbejdsgange.«

De fleste af Cogents udviklere vælger også Codex til udviklingsarbejdet. Geng siger, at de er mere produktive, når de kombinerer Codex med OpenAI-modeller, end når de bruger de samme modeller i et open source-kodemiljø. »Codex har ganske enkelt værktøjer indbygget, som vi derfor ikke behøver at udvikle selv,« siger Geng.

Udbygning af det autonome cyberforsvar

Gennem Trusted Access for Cyber og Daybreak får Cogent teknisk støtte til sin interne red-teaming og forskning i angrebsveje. Daybreak Red, et adgangsniveau i Daybreak, giver teamet specialiserede OpenAI-modeller til autoriseret forskning i offensive metoder og sårbarheder. »Et godt forsvar kræver et godt angreb,« siger Geng.

»Gennem Trusted Access for Cyber og Daybreak kan vi undersøge, hvordan sårbarheder kan kædes sammen på tværs af identiteter, ressourcer og netværkskontroller. Vi bruger den forskning til at forstå, hvad vores agenter kan, og hvilke forsvarskapaciteter vi skal udvikle som det næste.«
—Geng Sng, medstifter og CTO, Cogent

Cogent planlægger at udvide sine kompetencer som central partner for virksomheder, der vil bygge deres egne Cyber Defense Factories. Planerne omfatter stadig mere autonom afhjælpning, hvor agenterne kan udføre flere typer og mere komplekse rettelser – fra enkle konfigurationsændringer til arbejdsgange i flere trin på tværs af virksomhedssystemer.

Virksomheden udvikler også autonom opdagelse og validering. Målet er et system med et lukket feedbackkredsløb, der finder og eliminerer risici og løbende lærer af hver sårbarhed for at forbedre fremtidige undersøgelser og rettelser.