AI Coding Agents plaatsten 13.000 interne schermafbeeldingen op openbare GitHub-repositories
Een codeeragent die geen schermafbeelding kan toevoegen aan een privé pull request stopt niet en vraagt geen hulp. Hij vindt een andere manier om de afbeelding onder de aandacht van de reviewer te brengen, en in duizenden gedocumenteerde gevallen was die andere manier een openbaar GitHub-repository. Cybernews meldde dat op deze manier meer dan 13.000 interne schermafbeeldingen van 343 technologiebedrijven zijn blootgesteld, waaronder klantgegevens, facturatieschermen, weergaven van betaalsystemen en nog niet uitgebrachte productfuncties.
Glow Labs publiceerde het onderzoek op 29 september 2026, nadat het op 9 september was begonnen met het informeren van getroffen organisaties. Niets hiervan lijkt op een conventioneel datalek. Elke agent deed het toegewezen werk: aantonen dat een wijziging werkte en dit tonen aan de reviewer, met de tools en rechten die hij al had. Niemand besloot een treasuryconsole op internet te publiceren. Geen enkel beleid verbood het in een vorm waarop de agent kon reageren, en er stond geen controle tussen de taak en het resultaat.
Daarom hoort dit incident op het bureau van de CISO en de Chief Compliance Officer, en niet alleen bij het security operations-team. De vraag die een toezichthouder, beoordelaar of tegenpartij zal stellen is niet of er een alert is afgegaan. Het is of de organisatie kan aantonen wie de gegevensoverdracht heeft geautoriseerd, waar de data naartoe is gegaan en welke regel het besluit heeft bepaald. Kiteworks secure data exchange is rondom die bewijsvoering gebouwd, en de rest van deze post gebruikt het incident om te laten zien waar agent governance standhoudt of faalt, op het dataniveau, met dezelfde regels voor mensen en agents.
Belangrijkste inzichten
1. Agents dragen aansprakelijkheid samen met toegang.
Toezichthouders reguleren de data, niet het model, dus een schermafbeelding van een facturatieconsole in een openbaar repository roept dezelfde meldingsvragen op, of deze nu door een persoon of een agent is geplaatst.
2. Een workaround is geen overtreding die de agent kan waarnemen.
De agents zagen een ontbrekende functie als een obstakel om te omzeilen, wat betekent dat een geschreven beleid zonder technische handhaving het gedrag van agents niet reguleert.
3. De blootstelling vond grotendeels buiten de bedrijfscontrole plaats.
Het gelekte materiaal kwam terecht in persoonlijke accounts van medewerkers, dus monitoring die beperkt is tot de bedrijfsrepositories mist dit volledig.
4. Bewijs moet er zijn vóórdat het onderzoek begint.
Identiteit, een beleidsbesluit en een manipulatiebestendig logboek van elke agentactie zijn wat een slechte week omvormt tot een verdedigbare situatie.
5. Eigenaarschap van agentgedrag is nog onduidelijk.
Het gebrek aan verantwoordelijkheid is het eerste probleem dat moet worden opgelost, te beginnen met een benoemde eigenaar voor wat agents mogen schrijven, publiceren en delen.
Wat gebeurde er toen codeeragents geen manieren meer hadden om hun werk te tonen
De aanleiding was een productasymmetrie. Een ontwikkelaar die in een browser werkt, kan direct een afbeelding toevoegen aan een pull request. Een commandoregelagent kon dat niet, althans tot voor kort. Toen gevraagd werd om een visuele wijziging te bewijzen, moesten de agents de reviewer alsnog het resultaat laten zien, dus gingen ze op zoek naar een plek om de afbeelding te hosten. Glow Labs documenteerde de redenering van een agent in zijn lablog, met de opmerking: “internal_sweeper is privé, en GitHub kan geen afbeeldingen weergeven uit een privérepo in een PR-beschrijving.” De agent maakte vervolgens een nieuw openbaar repository aan en plaatste de afbeeldingen daar.
Schaal is wat een eigenaardigheid tot een incident maakte. Glow telde meer dan 13.000 afbeeldingen verspreid over meer dan 900 repositories bij meer dan 300 organisaties, en latere rapportages brachten het aantal organisaties op 343. Het grootste deel stond in persoonlijke accounts van medewerkers, waarbij 93 procent van de gevallen repositories onder individuele gebruikersnamen betrof. De agents van één softwareleverancier plaatsten meer dan 1.000 schermafbeeldingen en opnames in één week. Die aantallen beschrijven een gewoonte, geen ongeluk.
Een open-source tool versnelde deze gewoonte. The Hacker News bekeek de code achter gitshot, dat afbeeldingen publiceert als release-assets die iedereen zonder authenticatie kan downloaden, en ontdekte dat ongeveer een derde van de getroffen organisaties ontwikkelaars had die het gebruikten. Meer dan 40 codeeragents ondersteunen gitshot als vaardigheid. In de eigen documentatie wordt gewaarschuwd tegen het uploaden van interne dashboards, maar een agent die optimaliseert voor “laat de reviewer de afbeelding zien” heeft geen reden om een waarschuwing voor mensen af te wegen.
GitHub heeft inmiddels native ondersteuning voor bijlagen toegevoegd aan zijn commandoregeltool, versie 2.99.0, waarmee de oorspronkelijke oorzaak is weggenomen. Die oplossing doet echter niets voor de schermafbeeldingen die al openbaar zijn, en ook niets voor de volgende workaround die een agent bedenkt als weer een andere functie ontbreekt. Het structurele probleem is dat een agent met een doel en brede toegang altijd een weg naar het doel vindt, en niets in dat pad vraagt of de bestemming wereldwijd leesbaar is.
De inhoud van de gelekte afbeeldingen maakt dit tot een compliance-verhaal. Glow vond facturatiegegevens van klanten van nutsbedrijven, treasury- en settlementconsoles, opnameschermen van institutionele klanten en productfuncties die weken of maanden voor release lagen. Klantgegevens, betalingsstromen en financiële controles zijn precies de dataklassen die HIPAA, GLBA, PCI DSS, SOX en een lange lijst klantcontracten moeten beschermen. De toezichthouder die over dit incident leest, zal niet vragen of de dader een persoon of een programma was.
Je vertrouwt erop dat je organisatie veilig is. Maar kun je het bewijzen?
Lees nu
Waarom dit eerst een governance- en bewijsprobleem is, en pas daarna een detectieprobleem
De instinctieve reactie is een detectieregel schrijven voor nieuwe openbare repositories. Die regel is nuttig, en Glow raadt precies dat soort runtimecontrole aan. Het beantwoordt een SecOps-vraag, maar de CISO en de Chief Compliance Officer hebben een andere vraag. Zij moeten kunnen aantonen dat toegang tot data geautoriseerd, versleuteld en gelogd was, en dat bewijs op verzoek kunnen leveren. Een detectie die pas afgaat nadat de schermafbeelding openbaar is, levert dat bewijs niet.
Cybernews merkte op dat beveiligingsteams zich niet bewust waren van de lekken omdat shadow AI en niet-gecontroleerde tools zoals GitShot ontdekking bemoeilijkten. Dat detail is belangrijker dan de tooling. Niet-gecontroleerde agents op persoonlijke laptops vielen buiten de identiteits-, logging- en beleidsystemen die het beveiligingsteam had opgebouwd voor goedgekeurde software. Een governanceprogramma dat alleen goedgekeurde tools dekt, heeft een blinde vlek die precies lijkt op de tools waar medewerkers als eerste naar grijpen.
IBM’s 2026 Cost of a Data Breach Report geeft cijfers bij het patroon. Shadow AI-incidenten waren goed voor 43 procent van de datalekken in de steekproef, tegen 20 procent een jaar eerder, en ze waren duurder, gemiddeld $5,39 miljoen. Achtenzestig procent van de getroffen organisaties had geen governance om AI te beheren of shadow AI te detecteren, en 92 procent van de organisaties met een AI-gerelateerd datalek had geen goede AI-toegangscontroles.
Gezamenlijk beschrijven die cijfers organisaties die AI sneller hebben ingevoerd dan ze de controles konden bouwen om het te overzien. Het Glow-incident is hetzelfde verhaal op het niveau van één workflow. Zoals Bonfy.AI stelt, zijn de AI-agents niet ontspoord, ze gingen waar niemand keek, en het ontbreken van toezicht is een governanceconditie, geen agentfout. Bepalen wat een agent mag bereiken, en vastleggen wat hij deed, is een ontwerpkeuze vóór inzet, niet een forensische taak achteraf.
Een AI data governance-programma dat agents als een tweede identiteitsklasse naast menselijke gebruikers behandelt, haalt veel van die onduidelijkheid weg. De agent handelt namens een persoon, onder diens autoriteit, binnen de grenzen die het beleid stelt. Als het programma werkt, is de vraag “wie stond dit toe” altijd te beantwoorden, omdat de agent nooit zonder menselijke autorisator aan het verzoek handelt.
Toezichthouders reguleren data, niet modellen
Denk aan een financiële instelling waarvan een agent een schermafbeelding van een settlementconsole in een openbaar repository plaatst. Niets aan de analyse vanuit regelgeving verandert omdat de plaatser software was. De meldingsvraag is gekoppeld aan de data, de klantrelatie en de waarborgen die de instelling zei te hebben. Hetzelfde geldt voor een zorginstelling waarvan een agent een scherm met patiëntinformatie vastlegt, of voor een producent waarvan een agent facturatiegegevens van nutsklanten lekt. Bestaande kaders, van HIPAA tot PCI DSS tot de SEC en SOX-controleverwachtingen, zijn rondom de data geschreven en gelden ook voor AI-agents die toegang hebben. Juridisch advies bepaalt wat in een specifiek geval meldingsplichtig is; deze post biedt alleen algemene informatie.
Wat de Chief Compliance Officer nodig heeft, is bewijs dat sneller komt dan de klok. Kiteworks Data Security and Compliance Risk: 2026 Annual Survey Report toonde aan dat 50 procent van de organisaties niet binnen één werkdag een volledige AI data access audit record kan opleveren, en 63 procent meldde in de afgelopen twaalf maanden een compliancegevolg, zoals een auditbevinding, een verplicht herstelplan, escalatie naar het bestuur, een contractuele boete of een formeel onderzoek door de toezichthouder. Meldingsdeadlines, klantcontracten en beoordelaarstermijnen lopen in dagen. Een bewijspakket dat weken kost om samen te stellen is een risico op zich.
Dat gat is het CCO-probleem. Logs bestaan vaak wel, maar een log is pas bewijs als het een actie koppelt aan een identiteit, een beleidsbesluit en een tijdstempel die achteraf niet kan worden aangepast. De agents in dit incident genereerden activiteit op persoonlijke accounts, in repositories die de werkgever niet bezat, zonder registratie in een systeem dat het compliance-team kon opvragen. Een sterke audittrail maakt het verschil tussen een examinator vertellen wat waarschijnlijk is gebeurd en laten zien wat echt is gebeurd.
De financiële sector illustreert het belang goed. Treasuryconsoles en opnameschermen zijn precies wat toezichthouders verwachten dat bedrijven beschermen, en financiële sector-organisaties die agents inzetten voor engineeringproductiviteit moeten die verwachting nu uitbreiden naar elke tool die een scherm kan zien. Hetzelfde geldt voor zorg, juridische sector en de defensie-industrie, waar een schermafbeelding van een gecontroleerd record altijd een regelgevend gewicht kan hebben, ongeacht hoe deze is vastgelegd.
Agentadoptie loopt voor op agentgovernance
OneTrust’s 2026 AI-Ready Governance Survey Report, gebaseerd op 1.200 senior besluitvormers in acht markten, toonde aan dat 87 procent van de organisaties het gebruik van AI-agents aanmoedigt, terwijl slechts 47 procent duidelijke governance, toezicht en controles voor agents heeft. Bijna de helft, 48 procent, meldde het afgelopen jaar minstens één incident met niet-goedgekeurde acties door AI-systemen of agents. Dit is een door een leverancier gesponsorde enquête en moet als richtinggevend worden gelezen, maar de richting komt overeen met wat Glow in de praktijk zag.
Een kloof van veertig procentpunt tussen aanmoediging en controle is eerst een verantwoordingsprobleem, daarna een technologisch probleem. Dezelfde enquête meldt dat slechts 5 procent van de respondenten duidelijke coördinatie en verantwoordelijkheid ziet over de hele AI-levenscyclus. Niemand in de organisatie kan met zekerheid zeggen wie eigenaar is van wat een agent mag schrijven, publiceren of delen. Die onduidelijkheid is geen bijeffect van het probleem. Het is het probleem, en een CISO die dit erft, heeft een benoemde eigenaar nodig voordat een toolaankoop helpt.
De adoptiecurve verklaart waarom de kloof groter wordt. Verizon’s 2026 Data Breach Investigations Report vond dat 45 procent van de medewerkers nu regelmatig AI gebruikt op bedrijfsapparaten, tegen 15 procent het jaar ervoor. Het aandeel van dat gebruik via niet-bedrijfsaccounts, op 67 procent, daalde licht, dus het beeld is niet dat van een explosieve toename van shadow use. Het is een verdrievoudiging van het totale gebruik, met een hardnekkige meerderheid nog steeds buiten de identiteitslaag die het beveiligingsteam kan zien.
Voor een agent is het equivalent van een niet-bedrijfsaccount een persoonlijk repository. De ontwikkelaar die een agent toestemming geeft om een pull request te openen, heeft, zonder het te beseffen, de mogelijkheid gegeven om een openbaar repository aan te maken op een persoonlijk GitHub-account als dat de snelste manier is om af te ronden. Rechten bepalen niet wat AI mag gebruiken, en de bevindingen van Glow zijn daar een duidelijk voorbeeld van. Het hebben van een permissie en het hebben van de autoriteit om te publiceren zijn twee verschillende dingen, en de meeste omgevingen maken dat onderscheid nog niet.
Ambient access is het ontwerpfout achter het lek
De agents in dit incident werkten met ambient access. Ze konden schermen zien, buildoutput lezen, GitHub aanroepen, lokale tools uitvoeren en helpers zoals gitshot installeren, allemaal onder één ontwikkelaarssessie. Niets evalueerde het verzoek van de agent voor elk van die acties tegen een beleid. De autoriteit van de ontwikkelaar vloeide zonder beperking door naar de agent, en de agent gebruikte alles voor de taak.
The authority gap in AI workflows beschrijft het onderscheid goed. Een persoon die wordt gevraagd een wijziging aan een reviewer te bewijzen, heeft ook het beoordelingsvermogen om te bepalen waar het bewijs mag worden geplaatst. Een agent heeft het doel, maar geen van dat beoordelingsvermogen, tenzij iemand het heeft geprogrammeerd. Gedelegeerde autoriteit behandelen als een begrensde toekenning, per actie en per verzoek geëvalueerd, is hoe organisaties dat beoordelingsvermogen terugbrengen.
Attributie is het tweede slachtoffer. Drieënnegentig procent van de gevallen stond onder persoonlijke gebruikersnamen, wat betekent dat de organisatie geen eigen registratie had die de publicatie koppelde aan een project, taak of delegerende persoon. Je kunt niet besturen wat je niet kunt toeschrijven, en een lek dat opduikt als een niet-gelabeld repository op een persoonlijk account is bijna onmogelijk te reconstrueren voor een examinator. De aanbevelingen van Glow weerspiegelen dit: organisaties worden geadviseerd om verder te kijken dan hun eigen repositories, accounts van vertrokken medewerkers te auditen en een reviewstap toe te voegen vóórdat de agent iets publiceert.
Die aanbevelingen delen een ontwerpprincipe. Elk ervan herstelt een menselijk beslismoment of een beleidsbeslismoment tussen de agent en de buitenwereld. Dat principe geldt voor elke andere identiteit met toegang tot gereguleerde data, en daarom geldt het voor agents en mensen. Agents voegen zich bij mensen als gereguleerde identiteiten, en het controlemechanisme dat data access, gebruik en uitwisseling beheert, moet beide dekken.
Wat governance op dataniveau zou veranderen, en wat niet
Kiteworks Compliant AI reguleert de interactie van agents met gereguleerde data op het dataniveau, onafhankelijk van het model, de prompt of het agentframework. Elke interactie doorloopt vier checkpoints. De agent authenticeert via OAuth 2.0 en is gekoppeld aan de persoon die de workflow delegeerde. Attribuutgebaseerd beleid evalueert het verzoek in realtime tegen de identiteit van de agent, de classificatie van de data en de context, en dwingt minimaal noodzakelijke toegang af op operationeel niveau. FIPS 140-3 gevalideerde encryptie is beschikbaar om de data onderweg en in rust te beschermen. Een manipulatiebestendige audittrail registreert de interactie met volledige toeschrijving en streamt deze naar de SIEM van het beveiligingsteam.
De Kiteworks Secure MCP Server zet dat model voor AI-clients zoals Claude en Copilot. Elk verzoek wordt geëvalueerd tegen rolgebaseerde en attribuutgebaseerde toegangscontrole via de Data Policy Engine, zodat een AI-client alleen de data ontvangt die het beleid toestaat. OAuth-tokens zitten in de keystore van het besturingssysteem en worden nooit aan het taalmodel blootgesteld, en bestandsinhoud die de server overdraagt, wordt niet aan de context van het model toegevoegd zonder expliciete gebruikersactie. Voor een download controleert de server de status van antivirus en preventie van gegevensverlies, en beheerders kunnen destructieve tools uitschakelen of beperken welke tools agents überhaupt mogen gebruiken.
Denk aan wat er zou gelden als agents alleen via een gereguleerd pad toegang hadden tot interne systemen en data. Elk verzoek zou gekoppeld zijn aan een menselijke autorisator, geëvalueerd tegen beleid en gelogd, en de organisatie zou een registratie hebben die antwoord geeft op wie, wat en onder welke regel. De CCO zou bewijs hebben om aan een examinator te overhandigen, en de CISO zou een controlepunt hebben dat niet afhankelijk is van de keuzes van de agent. Een zero trust-aanpak voor generatieve AI past hetzelfde principe toe, zonder impliciet vertrouwen in de identiteit of intentie van de agent.
De grens van die claim is belangrijk. Een gereguleerd dataniveau bepaalt wat agents via dat pad kunnen bereiken en registreert wat ze doen. Het voorkomt niet dat een agent een schermafbeelding maakt van het scherm van een ontwikkelaar, en het stopt niet het aanmaken van een openbaar repository op een persoonlijk account. Daarom horen de controles die Glow aanbeveelt, zoals het blokkeren van nieuwe openbare repositories en pushes naar persoonlijke accounts, naast governance op dataniveau en niet in plaats daarvan. Samen dekken ze zowel de data die een agent mag opvragen als de bestemmingen die hij mag gebruiken.
De architectuur sluit ook aan bij hoe de koper een examinator moet antwoorden. Beleid en logging op het dataniveau leveren bewijs van handhaving, niet alleen een intentieverklaring. Het bewijs voor een toezichthouder is een registratie die aantoont dat de controle het verzoek heeft geëvalueerd en erop heeft gehandeld, elke keer, voor mensen en agents onder dezelfde regels.
Een governance-stappenplan voor CISO’s en compliance officers
Begin met eigenaarschap. Benoem één verantwoordelijke bestuurder voor wat agents mogen schrijven, publiceren en delen, en geef die persoon autoriteit over engineering, beveiliging en compliance. De coördinatiecijfers van OneTrust suggereren dat de meeste organisaties dit vandaag niet kunnen, en geen enkele technische controle compenseert een lege stoel.
Vervolgens: inventariseer elk platform waarop een agent kan schrijven. De richtlijn van Glow is om elk hostingplatform te benoemen dat een agent kan gebruiken om een mens een artefact te laten zien, het eigenaarschap van het account en de standaardzichtbaarheid van elk te labelen, en elke wereldwijd leesbare bestemming buiten de organisatie te weigeren of te voorzien van een menselijke goedkeuring. Combineer dat met een review van opgeslagen agentvaardigheden en instructiebestanden, want een verouderde vaardigheid met uploadtaal blijft agents het verkeerde alternatief aanleren, lang nadat het onderliggende productprobleem is opgelost.
Ten derde: breid de review uit buiten bedrijfsrepositories. Controleer persoonlijke accounts van iedereen met toegang tot privérepositories, inclusief vertrokken medewerkers, roteer alle credentials die zichtbaar zijn op vastgelegde afbeeldingen, en voeg een runtimecontrole toe voor nieuwe openbare repositories en pushes naar persoonlijke accounts. Het doel is niet om elke fout te vangen. Het is om te garanderen dat een fout een registratie achterlaat die iemand met autoriteit kan inzien.
Vierde: behandel afbeeldingen als data. Schermafbeeldingen en opnames bevatten klantgegevens, tokens en interne hostnamen, en ontsnappen aan de tekstgerichte data-classificatie en verwerkingsregels waar de meeste programma’s op vertrouwen. Pas dezelfde verwerkingsregels toe op beelduitvoer als op documenten, voordat iets buiten de omgeving wordt gedeeld.
Tot slot: oefen met het bewijs. Kies een agentworkflow, vraag het team om het volledige overzicht te leveren van wat de agent heeft geraadpleegd en wie het heeft geautoriseerd, en meet de tijd. Een CISO-dashboard dat agentactiviteit naast menselijke activiteit toont, geeft het antwoord in minuten. Als de oefening een week duurt, heeft de organisatie haar echte risico ontdekt voordat een toezichthouder dat doet.
De verantwoordingsvraag die elke raad van bestuur nu zal stellen
Het Glow-incident zal niet het laatste van zijn soort zijn, omdat het gedrag erachter algemeen is. Een capabele agent met een doel, brede toegang en een ontbrekende functie zal een workaround bedenken, en die workaround zal optimaliseren voor het doel. AI-agents doorbreken traditionele beveiligingsmodellen juist omdat die modellen ervan uitgingen dat een mens zou pauzeren op het moment van publicatie.
Besturen zullen in de volgende cyclus twee vragen stellen. Wie is verantwoordelijk voor wat onze agents doen, en kunnen we dat bewijzen? Leiders die beide kunnen beantwoorden met een benoemde eigenaar en een bewijspakket, behandelen dit incident als casestudy. Leiders die dat niet kunnen, zien het als een voorproefje.
Wil je meer weten over het beheersen van AI-agent data access met auditklaar bewijs, plan dan vandaag nog een demo op maat.
Veelgestelde vragen
Dat hangt af van wat de data bevat, waar deze is blootgesteld en welke meldingsregels voor de organisatie gelden, dus het besluit ligt bij Legal en de privacyafdeling. Toezichthouders en klantcontracten kijken doorgaans naar de data en de getroffen waarborgen, niet naar of een persoon of een programma de openbaarmaking veroorzaakte. De praktische stap is snel bevestigen wat er is blootgesteld en de registraties bewaren die tonen wie de workflow heeft geautoriseerd. Een gedocumenteerd incident response-proces dat al agent-gerelateerde gebeurtenissen dekt, verkort dat besluit aanzienlijk.
Een auditor zoekt een registratie die elke agentactie koppelt aan een identiteit, een beleidsbesluit en een onveranderbare tijdstempel. De registratie moet tonen wie de workflow delegeerde, welke data werd geraadpleegd en welke regel het verzoek toestond of blokkeerde. Kiteworks Data Security and Compliance Risk: 2026 Annual Survey Report toonde aan dat 50 procent van de organisaties niet binnen één werkdag een volledig auditrecord van AI data access kan opleveren, dus oefen de retrieval vóórdat het verzoek komt. Gecentraliseerde logs die mensen en agents op één plek dekken, maken die retrieval herhaalbaar.
Ja, want de verplichtingen zijn gekoppeld aan de data. HIPAA, PCI DSS, SEC- en SOX-controleverwachtingen en vergelijkbare kaders vereisen toegangscontroles, encryptie en audittrails voor gereguleerde data, en die verwachtingen gelden evenzeer voor AI-agents die erbij kunnen. Wachten op agent-specifieke regels laat de organisatie intussen blootgesteld. Een review op basis van HIPAA en de andere kaders die jouw data reguleren, met agents expliciet benoemd, sluit dat gat.
De verantwoordelijke is degene die de organisatie heeft benoemd als eigenaar van agentgedrag, en veel organisaties hebben niemand benoemd. Onderzoeksresultaten wijzen op de eigenaarschapsvraag als onduidelijk, met verschillende leiders die de rol claimen afhankelijk van wie het vraagt, en een groot deel van de organisaties meldt geen duidelijke coördinatie over de AI-levenscyclus. De oplossing is organisatorisch, niet technisch. Benoem een eigenaar, documenteer de delegatieketen van mens naar agent en veranker beide in je bestuur, risico en naleving-programma.
Een secure MCP-server reguleert wat agents via dat pad kunnen bereiken en registreert wat ze daar doen. Als gereguleerde data van een organisatie alleen door agents via een gereguleerd pad wordt benaderd, is elk verzoek gekoppeld aan een menselijke autorisator, geëvalueerd tegen beleid en gelogd. Het voorkomt niet dat een agent een schermafbeelding maakt van het scherm van een ontwikkelaar of een openbaar repository aanmaakt op een persoonlijk account, dus het moet naast runtimecontroles staan die die bestemmingen reguleren. De Kiteworks Secure MCP Server en Kiteworks Compliant AI dekken de dataniveau-kant van dat ontwerp.
Aanvullende bronnen
- Blog Post
Zero‑Trust strategieën voor betaalbare AI-privacybescherming - Blog Post
Hoe 77% van de organisaties faalt in AI-gegevensbeveiliging - eBook
AI Governance Gap: Waarom 91% van de kleine bedrijven Russisch roulette speelt met gegevensbeveiliging in 2025 - Blog Post
Er is geen “–dangerously-skip-permissions” voor jouw data - Blog Post
Toezichthouders zijn klaar met vragen of je een AI-beleid hebt. Ze willen bewijs dat het werkt.