Contexte et enjeux
Les agents autonomes, capables d’exécuter des milliers d’actions par minute, ne sont plus gérés par les contrôles d’accès traditionnels conçus pour les humains. Umesh Mahajan, vice‑président d’Application Networking and Security chez Broadcom, souligne que sans protection, le déploiement d’IA agentique est impossible : les charges de travail peuvent être compromises depuis l’extérieur puis devenir elles‑mêmes des vecteurs d’attaque. Cette double menace impose une visibilité réseau et une gestion d’identité machine dès le premier paquet.
Architecture de la solution AgentMinder
Broadcom répond avec AgentMinder, un composant intégré au stack VMware Cloud Foundation. La solution couple deux mécanismes : des identités d’agents signées, délivrées par le service d’identité de Broadcom, et une inspection en temps réel du trafic API au niveau du packet path. Le trafic passe par les points d’entrée du réseau où sont détectés les serveurs Model Context Protocol (MCP), les modèles et les agents actifs. Chaque flux est comparé à une politique d’autorisation qui associe l’identité signée à un profil de comportement autorisé.
Analyse des mécanismes de détection et de contrôle
Placer la détection « dans le chemin de paquets » offre plusieurs avantages techniques. Premièrement, le point d’inspection est unique : il ne dépend pas d’un agent logiciel installé sur chaque hôte, ce qui élimine les variations de version et les failles d’injection locales. Deuxièmement, la visibilité réseau permet d’identifier les communications non autorisées entre agents et serveurs MCP, classées comme shadow AI. Cette classification repose sur la non‑correspondance entre l’identité signée et le modèle déclaré, ce qui déclenche immédiatement une alerte et, le cas échéant, le blocage du flux.
Le contrôle s’étend dans les deux directions. En amont, le filtrage empêche les acteurs malveillants d’injecter des charges d’IA non approuvées. En aval, les agents déjà déployés sont surveillés pour détecter des comportements déviants, comme l’émission de requêtes vers des services externes non prévus. Cette approche « inbound / outbound » répond à la remarque de Mahajan selon laquelle les charges de travail IA peuvent devenir « rogue » et attaquer d’autres systèmes.
Limites et perspectives
La solution repose sur la disponibilité d’identités signées et sur la capacité du réseau à inspecter le trafic à grande vitesse. Dans des environnements à très haut débit, le traitement de chaque paquet peut introduire une latence mesurable, surtout si les politiques sont complexes. De plus, la détection de shadow AI nécessite une cartographie exhaustive des modèles MCP ; toute omission crée un point mort où un agent non répertorié peut opérer sans être identifié. Enfin, la consolidation d’un « stack de sécurité curaté » chez Broadcom, comme le préconise Mahajan, réduit les erreurs d’intégration mais augmente la dépendance à un unique fournisseur, ce qui peut limiter la flexibilité pour les organisations multi‑cloud.
