Endor Labs запускает AURI для безопасности кода ИИ
Endor Labs, стартап в области безопасности приложений, привлекший более 208 миллионов долларов венчурного финансирования, анонсировал сегодня запуск AURI — платформы, которая интегрирует аналитику безопасности в реальном времени непосредственно в инструменты написания кода на базе ИИ, меняющие подход к созданию программного обеспечения. Продуктом можно пользоваться бесплатно индивидуальным разработчикам, он также обеспечивает нативную интеграцию с популярными ИИ-помощниками для программирования, включая Cursor, Claude и Augment, через протокол Model Context Protocol (MCP).
Этот анонс появляется на трезвом фоне. Хотя 90% команд разработчиков сегодня используют ИИ-ассистентов для написания кода, исследование, опубликованное в декабре исследователями из Университета Карнеги — Меллона, Колумбийского университета и Университета Джонса Хопкинса, показало, что ледовые модели создают функционально корректный код лишь примерно в 61% случаев — и лишь 10% от этого объема являются одновременно функциональными и безопасными.
«Несмотря на то, что ИИ теперь способен писать функционально корректный код в 61% случаев, лишь 10% таких результатов являются одновременно работающими и безопасными», — заявил генеральный директор Endor Labs Варун Бадхвар (Varun Badhwar) в эксклюзивном интервью VentureBeat. — «Эти агенты кодирования обучались на коде с открытым исходным кодом со всего интернета, поэтому они переняли лучшие практики, но вместе с тем научились воспроизводить и множество старых проблем безопасности».
Этот разрыв между работоспособным кодом и безопасным кодом определяет тот рынок, на который ориентирован AURI, а также срочность его запуска.
Кризис безопасности, скрывающийся внутри революции ИИ-программирования
Чтобы понять, почему Endor Labs создала AURI, полезно осознать структурную проблему, лежащую в основе разработки ПО с помощью ИИ. Модели для написания кода на базе ИИ обучаются на огромных репозиториях открытого кода, собранных по всему интернету — кода, который включает в себя не только лучшие практики, но и детально задокументированные уязвимости, небезопасные паттерны и изъяны, которые могут не обнаруживаться годами после написания исходного кода.
Бадхвар, серийный предприниматель в сфере кибербезопасности, ранее создавший компанию RedLock (приобретенную Palo Alto Networks), четыре года назад основал Endor Labs совместно с Димитрисом Стилиадисом (Dimitri Stiliadis). Исходный тезис был простым: разработчики превращаются в «сборщиков программного обеспечения», которые пишут все меньше оригинального кода и импортируют большинство компонентов из репозиториев с открытым исходным кодом. Затем последовал взрывной рост ИИ-инструментов для написания кода, который Бадхвар описал как «уникальную для каждого поколения возможность переписать жизненный цикл разработки программного обеспечения с помощью искусственного интеллекта».
Преимущества в плане производительности реальны: это повышение эффективности, ускорение выхода на рынок и демократизация создания ПО для людей, не являющихся профессиональными инженерами. Однако последствия для безопасности потенциально разрушительны. Новые уязвимости обнаруживаются ежедневно в коде, который мог быть написан десятилетие назад, и эта постоянно развивающаяся разведывательная информация об угрозах не всегда легко доступна моделям ИИ, создающим новый код.
«Каждый день, каждый час в программном обеспечении, написанном 5, 10, 12 лет назад, находятся новые уязвимости — и эта информация не так-то просто доступна моделям», — пояснил Бадхвар. — «Если бы вы начали отфильтровывать все, у чего когда-либо была уязвимость, у вас бы не осталось кода для обучения».
Результатом является замкнутый круг: инструменты ИИ генерируют код с беспрецедентной скоростью, причем большая его часть смоделирована на небезопасных паттернах, а команды безопасности изо всех сил пытаются за ними поспевать. Традиционные инструменты сканирования, созданные для мира, где люди писали и рецензировали код с человеческой скоростью, все сильнее отстают.
Как AURI отслеживает уязвимости на каждом уровне приложения
Главным техническим отличием AURI является то, что в Endor Labs называют «графом контекста кода» (code context graph) — глубокой картой функций, показывающей, как взаимосвязаны собственный код приложения, сторонние зависимости с открытым исходным кодом, слои контейнеров и модели ИИ. В то время как конкуренты вроде Snyk и GitHub Dependabot проверяют, какие библиотеки импортирует приложение, и сопоставляют их с известными базами данных уязвимостей, Endor Labs отслеживает, как именно и где эти компоненты фактически используются — вплоть до конкретной строки кода.
«У нас есть граф интеллектуального анализа кода, который понимает не только то, какие библиотеки и зависимости вы используете, но и точно определяет, как, где и в каком контексте они применяются — вплоть до конкретной строки кода, где вы вызываете фрагмент функционала, имеющий уязвимость», — сказал Бадхвар.
Он проиллюстрировал эту разницу на конкретном примере. Разработчик может импортировать крупную библиотеку, такую как AWS SDK, но вызывать лишь две службы, состоящие из 10 строк кода. Оставшиеся 99 000 строк в этой библиотеке с открытым исходным кодом недоступны для приложения. Традиционные инструменты отмечают каждую известную уязвимость во всей библиотеке. Анализ достижимости полного стека от AURI отсекает эти нерелевантные находки.
Создание такой возможности потребовало серьезных инвестиций. Endor Labs наняла 13 кандидатов наук, специализирующихся на анализе программ, многие из которых ранее создавали аналогичные технологии внутри таких компаний, как Meta, GitHub и Microsoft. Компания проиндексировала миллиарды функций в миллионах пакетов с открытым исходным кодом и создала более полумиллиарда векторных представлений (эмбеддингов) для идентификации происхождения скопированного кода, даже если имена функций или структура были изменены.
Платформа объединяет этот детерминированный анализ с рассуждениями агентного ИИ. Специализированные агенты работают в команде для автоматического обнаружения, триажа и устранения уязвимостей, в то время как многофайловые графы вызовов и анализ потоков данных выявляют сложные ошибки бизнес-логики, охватывающие несколько компонентов. В результате, по данным Endor Labs, корпоративные клиенты добиваются в среднем 80–95% снижения количества обнаруженных проблем с безопасностью, избавляясь от того, что Бадхвар назвал «десятками миллионов долларов в год производительности разработчиков», теряемыми на расследование ложных срабатываний.
Бесплатный тариф для разработчиков, платная платформа для бизнеса
В рамках стратегического шага, направленного на быстрое внедрение, Endor Labs предлагает базовый функционал AURI бесплатно для индивидуальных разработчиков через MCP-сервер, который напрямую интегрируется с популярными IDE, включая VS Code, Cursor и Windsurf. Бесплатный тариф не требует кредитной карты, процесса регистрации или сложного оформления.
«Идея заключается в том, что здесь нет никаких политик, администрирования или кастомизации. Это просто помогает вашим инструментам генерации кода перестать плодить новые уязвимости», — пояснил Бадхвар.
Заботмящиеся о конфиденциальности разработчики отметят ключевой архитектурный выбор: бесплатный продукт работает полностью на машине разработчика. С серверов Endor Labs подгружаются только неконфиденциальные данные об уязвимостях. «Весь ваш код остается локальным и сканируется локально. Он никогда не копируется в AURI, Endor Labs или куда-либо еще», — пояснил Бадхвар.
Корпоративная версия добавляет функции, необходимые крупным организациям: полную кастомизацию, настройку политик, ролевое управление доступом для команд численностью в тысячи разработчиков и интеграцию в CI/CD пайплайны. Корпоративное ценообразование зависит от количества разработчиков и объема сканирований. Варианты развертывания включают локальное сканирование, эфемерные облачные контейнеры и локальные Kubernetes-кластеры с полной изоляцией арендаторов — гибкость, которую, по словам Бадхвара, «не предлагает ни один другой вендор на этом рынке».
Freemium-подход повторяет стратегию, которая сработала для таких компаний, как GitHub и Atlassian: сначала завоевать индивидуальных разработчиков, а затем расширить присутствие на их организации. Но это также отражает практическую реальность. В мире, где ИИ-помощники для написания кода распространяются во всех командах, Endor Labs должна присутствовать везде, где пишется код, а не ждать завершения бюрократических процедур закупок.
«Более 97% уязвимостей, отмеченных нашим предыдущим инструментом, были недостижимы в нашем приложении», — отметил Трэвис МакПик (Travis McPeak), специалист по безопасности в Cursor, в заявлении, направленном в VentureBeat. — «AURI от Endor Labs показывает те немногие уязвимости, которые действительно имеют значение, поэтому мы оперативно их устраняем, концентрируясь на главном».
Почему в Endor Labs считают независимость от ИИ-инструментов кодирования критически важной
Рынок безопасности приложений становится все более перенасыщенным. Snyk, GitHub Advanced Security и растущее число стартапов борются за внимание разработчиков. В борьбу вступают даже сами провайдеры ИИ-моделей: компания Anthropic недавно анонсировала продукт для безопасности кода, встроенный в Claude — шаг, который взбудоражил рынок.
Тем не менее Бадхвар охарактеризовал анонс Anthropic скорее как подтверждение правильности выбранного пути, чем как угрозу. «Это одно из сильнейших подтверждений того, что мы делаем, поскольку оно показывает, что безопасность кода — одна из самых горячих проблем на рынке», — заявил он VentureBeat. Более глубокий вопрос, по его словам, заключается в том, хотят ли предприятия доверять проверку кода тому же инструменту, который его генерирует.
«Claude не будет единственным инструментом, который вы используете для агентного программирования. Собираетесь ли вы использовать отдельный продукт безопасности для Cursor, отдельный для Claude, отдельный для Augment и еще один для Gemini Code Assist?» — сказал Бадхвар. — «Хотите ли вы доверять инструменту, создающему программное обеспечение, его же проверку? Не зря у нас исторически ревьюеры всегда отличались от разработчиков».
Он сформулировал три принципа, которые, по его мнению, определят эффективную безопасность в эпоху ИИ-агентов: независимость (проверка безопасности должна быть отделена от инструмента, сгенерировавшего код), воспроизводимость (результаты должны быть согласованными, а не вероятностными) и верифицируемость (каждый найденный дефект должен подтверждаться доказательствами). Это прямой вызов подходам, основанным исключительно на LLM, которые Бадхвар охарактеризовал как «совершенно недетерминированные инструменты, которыми вы никак не можете управлять с точки зрения проверяемости находок и согласованности».
Подход AURI объединяет LLM в том, в чем они сильны — рассуждениях, объяснении и контекстуализации — с детерминированными инструментами, обеспечивающими необходимую бизнесу стабильность. Помимо обнаружения, платформа симулирует пути обновления и подсказывает разработчикам, какой маршрут исправления сработает без появления критических ошибок (breaking changes), что идет дальше того, что предлагают большинство конкурентов. Затем разработчики могут сами применить эти исправления или передать их ИИ-агентам кодирования с уверенностью, что изменения прошли детерминированную валидацию.
Реальные результаты показывают, что AURI уже способен находить уязвимости нулевого дня
Endor Labs уже продемонстрировала возможности AURI в громких сценариях. В феврале 2026 года компания объявила, что AURI выявила и подтвердила семь уязвимостей безопасности в OpenClaw — популярном агентском ИИ-помощнике, которые позже были признаны командой разработчиков OpenClaw. Как сообщал журнал Infosecurity Magazine, впоследствии OpenClaw пропатчила шесть уязвимостей, варьировавшихся от критических ошибок подделки запросов на стороне сервера (SSRF) до обхода путей (path traversal) и обхода аутентификации.
«Это уязвимости нулевого дня. Их никогда раньше не находили, но AURI проделала потрясающую работу по их обнаружению», — отметил Бадхвар. Компания также отслеживает активные вредоносные кампании в таких экосистемах, как NPM, включая кампании вроде Shai-Hulud, за которыми следят уже несколько месяцев.
Компания обладает достаточным капиталом для продолжения экспансии. В апреле 2025 года Endor Labs закрыла раунд финансирования серии B на сумму 93 миллиона долларов (спрос превысил предложение), который возглавила компания DFJ Growth при участии Salesforce Ventures, Lightspeed Venture Partners, Coatue, Dell Technologies Capital, Section 32 и Citi Ventures. Компания сообщила о 30-кратном росте ежегодного регулярного дохода и 166-процентном удержании чистого дохода с момента раунда серии А, прошедшего всего 18 месяцев назад. В настоящее время ее платформа защищает более 5 миллионов приложений и выполняет свыше 1 миллиона сканирований еженедельно для таких клиентов, как OpenAI, Cursor, Dropbox, Atlassian, Snowflake и Robinhood.
Несколько десятков корпоративных клиентов уже используют Endor Labs для ускорения соответствия таким стандартам и нормам, как FedRAMP, стандарты NIST и Европейский закон о киберустойчивости (Cyber Resilience Act) — это растущий приоритет, поскольку регуляторы все чаще рассматривают безопасность цепочки поставок программного обеспечения как вопрос национальной безопасности.
Ставка на то, что безопасность успевает за автономными программными агентами
Более широкий вопрос, нависающий над запуском AURI и индустрией безопасности приложений в целом, заключается в том, смогут ли инструменты безопасности развиваться достаточно быстро, чтобы соответствовать темпам разработки на базе ИИ. Критики агентской безопасности предупреждают, что индустрия движется слишком быстро, предоставляя ИИ-агентам права доступа к критически важным системам без полного понимания рисков. Бадхвар признал эту озабоченность, но возразил, что сопротивление бесполезно.
«Я наблюдал это, когда создавал продукты для облачной безопасности, и люди боялись переходить на AWS», — сказал он. — «Существовало иллюзорное ощущение контроля, пока все находилось в вашем дата-центре. И что же? Это было величайшее движение своего времени, и мы как индустрия создали правильные технологии, инструменты безопасности и видимость вокруг этого, чтобы чувствовать себя уверенно».
По мнению Бадхвара, самое захватывающее следствие агентской разработки — это не новые риски, которые она создает, а старые проблемы, которые она наконец-то способна решить. Команды безопасности десятилетиями боролись за то, чтобы заставить разработчиков ставить исправление уязвимостей выше создания новых функций. У ИИ-агентов, утверждает он, такой проблемы нет — если дать им правильные инструкции и правильную аналитику, они просто выполняют задачу.
«Безопасность всегда страдала от нехватки внимания разработчиков», — отметил Бадхвар. — «Но мы считаем, что можно привлечь внимание ИИ-агента, пишущего софт, предоставив ему правильный контекст, интегрировав его в нужные рабочие процессы и просто заставив его делать правильные вещи для вас — чтобы не превращать возможность автоматизации в головную боль для человека».
Это характерно оптимистичный взгляд от основателя, построившего свою карьеру на стыке тектонических технологических сдвигов и оставляемых ими брешей в безопасности. Сможет ли AURI воплотить это видение в масштабах, требуемых революцией ИИ-кодирования, еще предстоит увидеть. Но в мире, где машины пишут код быстрее, чем люди успевают его проверять, альтернатива — надеяться, что модели сами справятся с безопасностью — это ставка, которую могут позволить себе немногие компании.
