Global Security Mag Online

Articles

• Cato Networks lance Agentic Threat Prevention pour anticiper et contrer les attaques assistées par l’IA

  7 août, par Valentin Jangwa, Global Security Mag — affiche

  En combinant les données réseau et sécurité au sein d'un contexte unifié, Cato Agentic Threat Prevention anticipe les chemins d'attaque et adapte automatiquement les protections à chaque environnement afin de bloquer les attaques assistées par l'IA avant qu'elles n'aboutissent.

  Cato Networks, réseau convergé et cloud de sécurité pour l'IA , a annoncé le lancement de Cato Agentic Threat Prevention https://www.catonetworks.com/platform/agentic-threat-prevention/ , une nouvelle capacité qui déploie des agents autonomes afin d'anticiper les chemins d'attaque probables et de personnaliser automatiquement les protections pour chaque environnement client. L'objectif est d'empêcher les compromissions avant que les attaques assistées par l'IA ne puissent progresser.

  Reposant sur la plateforme cloud native de Cato Networks, Cato Agentic Threat Prevention réunit la télémétrie réseau et de sécurité afin de fournir une vision unifiée de chaque environnement. Les agents IA peuvent ainsi anticiper les menaces et adapter continuellement les protections. Celles-ci sont appliquées à l'échelle mondiale depuis chaque point de présence de Cato, sans chaînage de services ni lacune dans l'application des contrôles.

  Les modèles d'IA les plus avancés accélèrent la découverte des vulnérabilités, l'adaptation des chaînes d'attaque et leur exécution à la vitesse des machines, dépassant les capacités des outils de sécurité traditionnels.
  Les attaquants assistés par l'IA peuvent désormais analyser des millions d'environnements, transformer des vulnérabilités en exploits en quelques heures, mener des attaques à grande échelle et agir en continu, sans intervention humaine.
  Face à ce rythme, les réponses manuelles et les outils fragmentés ne suffisent plus. Les organisations ont besoin de défenses autonomes capables de suivre la vitesse, l'échelle et l'évolution des attaques.

  « Les dispositifs de sécurité d'hier ne peuvent pas arrêter les attaques actuelles alimentées par l'IA », déclare Shlomo Kramer, cofondateur et PDG de Cato Networks. « L'anticipation devient la nouvelle prévention. La seule manière de garder une longueur d'avance sur les attaques assistées par l'IA consiste à prévoir leur prochaine étape et à déployer des protections avant que les dommages ne surviennent. Il est grand temps de rééquilibrer le rapport de force, et c'est précisément ce que nous faisons avec Cato Agentic Threat Prevention. »

  Cato Agentic Threat Prevention exploite le contexte partagé d'un data lake unifié pour créer des protections propres à chaque client. La solution combine la télémétrie réseau et sécurité de la plateforme Cato, l'activité propre à chaque environnement ainsi que les renseignements sur les menaces afin de modéliser les risques liés aux utilisateurs, aux applications, aux flux de trafic, aux actifs et aux vulnérabilités.

  Les agents IA modélisent ensuite les scénarios d'attaque les plus probables, identifient les failles susceptibles d'être exploitées et anticipent les techniques permettant de contourner les contrôles de sécurité. Ils génèrent alors automatiquement des protections personnalisées pour chaque environnement, plutôt que de s'appuyer sur des mécanismes de détection identiques pour tous.
  « Les attaques assistées par l'IA révèlent les limites des contrôles de sécurité statiques et des réponses manuelles. Une attaque complète peut prendre moins de temps que l'investigation d'une seule alerte », déclare Frank Dickson, Group Vice President chez IDC. « À mesure que les attaquants s'adaptent plus rapidement et personnalisent leurs campagnes en fonction de chaque environnement, les entreprises auront besoin d'approches de prévention reposant sur un contexte partagé, l'automatisation et une application des contrôles à l'échelle du cloud afin de réduire leur exposition avant qu'une compromission ne survienne. »

  Face aux modèles d'IA les plus avancés, les entreprises doivent disposer d'une défense autonome sur deux fronts. D'un côté, Cato Agentic CVE Mitigation évalue automatiquement les vulnérabilités nouvellement divulguées et applique les protections correspondantes en seulement 45 minutes. De l'autre, Cato Agentic Threat Prevention anticipe les scénarios d'attaque les plus probables et crée des protections personnalisées avant que les attaquants ne puissent progresser.
  Ensemble, ces deux capacités réduisent la fenêtre d'exposition exploitée par les attaquants assistés par l'IA entre la découverte d'une vulnérabilité et le déploiement des protections.

  À propos de Cato Networks

  Cato Networks, éditeur de la principale plateforme de sécurité réseau pour l'ère de l'IA, fournit un accès sécurisé Zero Trust à des milliers de clients dans le monde. Conçue pour les organisations opérant dans des environnements cloud et hybrides, la plateforme Cato SASE unifie les réseaux, la sécurité et les accès sous forme de services cloud élastiques et modulaires. En associant le Cato Cloud à une gestion simplifiée au sein d'une plateforme pilotée par l'IA, Cato permet aux organisations de moderniser leur infrastructure, de renforcer leur résilience et d'innover plus rapidement, sans complexité ni risques supplémentaires. Vous souhaitez découvrir pourquoi des milliers d'organisations sécurisent leur avenir avec Cato ? Rendez-vous sur www.catonetworks.com.

• Le modèle « AI Burger » : penser la souveraineté de son IA couche par couche, pour mieux la piloter

  7 août, par Head of Data & AI, DEEP — affiche

  Nicolas Vivarelli, Head of Data & AI, DEEP :
  "Vue de l'extérieur, une intelligence artificielle ressemble à un bloc unique. Elle est en réalité composée de cinq couches technologiques distinctes, chacune porteuse de ses propres dépendances. Ce qui n'est pas sans conséquences sur sa souveraineté…"

  

  Lorsqu'un cadre dirigeant ouvre un assistant conversationnel ou déploie un agent IA dans son entreprise, il a le sentiment d'utiliser un objet unique. Poser une question et obtenir une réponse semble se jouer au même endroit, dans une même boîte noire. Cette perception masque pourtant une réalité plus structurée. Une intelligence artificielle s'organise en couches parfaitement identifiables, empilées les unes sur les autres à la manière des étages d'un hamburger. C'est d'ailleurs cette image qui a donné son nom au modèle de lecture présenté lors de l'événement Nexus, au Luxembourg, le « AI Burger ». Chaque couche répond à une fonction propre, mobilise des fournisseurs différents et soulève, à son niveau, des enjeux de dépendance spécifiques. C'est cette structure en strates, et non un bloc homogène, qui détermine la véritable marge de manœuvre d'une organisation face à ses choix technologiques.

  Cinq couches, cinq métiers, cinq dépendances

  Tout commence par le Hardware (matériel), la couche la plus enfouie. Il s'agit des composants physiques, processeurs et GPU, indispensables pour faire fonctionner un modèle. Vient ensuite l'Inference Software, le logiciel qui exécute concrètement ces modèles sur l'infrastructure, un peu comme un moteur qui transforme le carburant en mouvement. Au centre du dispositif se trouvent les Models eux-mêmes, c'est-à-dire les modèles d'intelligence artificielle proprement dits, que l'on entraîne et que l'on affine au fil du temps. Au-dessus, le Middleware (logiciel intermédiaire) joue un rôle de poste d'aiguillage. Il pilote les flux de données, les accès et la consommation entre les différentes briques du système. Enfin, tout en haut, le Harness désigne la couche visible par l'utilisateur final, celle des interfaces, des assistants conversationnels et des agents avec lesquels on interagit directement. Ces cinq couches ne sont pas de simples strates techniques. Elles renvoient chacune à des fournisseurs, des standards et des chaînes d'approvisionnement distincts, avec des niveaux de maturité et de concentration très inégaux selon les segments. C'est précisément cette hétérogénéité qui échappe à la lecture globale que la plupart des dirigeants portent encore sur leurs projets d'intelligence artificielle, et qui pourtant n'est pas sans conséquences sur la sécurité numérique de l'organisation.

  Savoir où regarder avant de parler de souveraineté

  Cette lecture par couches change en effet la manière d'aborder la question de la souveraineté. Jusqu'à présent, les entreprises ont raisonné en bloc, en cherchant à évaluer si telle ou telle solution d'IA était souveraine ou non. Une telle approche globale ne dit pourtant rien d'utile. Elle revient en quelque sorte, pour un médecin, à diagnostiquer un patient sans jamais cibler d'organe en particulier. Au contraire : mieux vaut, comme on le fait en radiologie, savoir précisément où regarder. Interroger séparément le matériel, les modèles, le logiciel intermédiaire, l'inférence et l'interface fait apparaître des zones de dépendance très différentes, là où une vision d'ensemble aurait tout confondu dans un même diagnostic approximatif. Cette cartographie en cinq couches ne constitue d'ailleurs pas une fin en soi. Elle offre surtout un cadre pour piloter la souveraineté numérique : poser les bonnes questions à chaque étage, savoir qui fournit telle ou telle brique, où celle-ci est produite, et qui pourrait un jour en interrompre l'accès.

  Une fois les cinq couches identifiées, une question demeure, celle de savoir qui les maîtrise réellement. Y répondre suppose de distinguer deux notions que l'on confond trop souvent sous le terme générique de souveraineté. D'un côté, la souveraineté d'origine interroge la provenance des technologies. De l'autre, la souveraineté opérationnelle concerne leur usage au quotidien. Ces deux dimensions ne pèsent pas de la même manière sur chaque couche du modèle, et c'est précisément ce point qu'il reste à approfondir, et sur lequel il sera intéressant de revenir dans un prochain billet.

• Multiples vulnérabilités dans WordPress (07 août 2026)

  7 août, par CERT-FR

  De multiples vulnérabilités ont été découvertes dans WordPress. Certaines d'entre elles permettent à un attaquant de provoquer une élévation de privilèges, une atteinte à la confidentialité des données et une falsification de requêtes côté serveur (SSRF).

  Voir en ligne : https://www.cert.ssi.gouv.fr/avis/C...

• Multiples vulnérabilités dans le noyau Linux de SUSE (07 août 2026)

  7 août, par CERT-FR

  De multiples vulnérabilités ont été découvertes dans le noyau Linux de SUSE. Elles permettent à un attaquant de provoquer un contournement de la politique de sécurité et un problème de sécurité non spécifié par l'éditeur.

  Voir en ligne : https://www.cert.ssi.gouv.fr/avis/C...

• Multiples vulnérabilités dans le noyau Linux de Debian LTS (07 août 2026)

  7 août, par CERT-FR

  De multiples vulnérabilités ont été découvertes dans le noyau Linux de Debian LTS. Elles permettent à un attaquant de provoquer une élévation de privilèges, une atteinte à la confidentialité des données et un déni de service.

  Voir en ligne : https://www.cert.ssi.gouv.fr/avis/C...