Présentation de la fonctionnalité Attack Chaining

Filigran SAS a publié Attack Chaining avec la version OpenAEV v3, disponible dès le 1 septembre 2026. La nouveauté relie plusieurs simulations d’attaque en une séquence continue, reproduisant le comportement d’un intrus qui passe de la reconnaissance à l’escalade de privilèges. Le module est limité à l’Enterprise Edition et s’appuie sur les 550 réponses de l’enquête « State of Threat Management », où 88 % des équipes utilisent encore des processus manuels et 97 % peinent à déterminer l’exploitabilité de leurs expositions.

Architecture et flux d'exécution

Chaque action générée par OpenAEV crée un record structuré (mot de passe, port ouvert, permissions) stocké dans une base de données interne. Le moteur lit ce record en temps réel pour choisir la prochaine technique, ce qui permet à une credential valide d’ouvrir un nouveau segment du réseau. Le processus supporte le branchement : lorsqu’il existe plusieurs chemins possibles, le moteur explore chaque branche jusqu’à ce qu’un contrôle bloque la progression, moment où la chaîne se termine. Un graph interactif visualise les pivots et les branches, exposant les « chokepoints » dont la suppression ferait s’effondrer l’ensemble du chemin.

Analyse des impacts sur la validation de sécurité

Le passage d’une validation « technique isolée » à une chaîne d’attaques améliore la pertinence des résultats. En pratique, un test qui récupère un mot de passe et l’utilise immédiatement pour compromettre un serveur montre que les contrôles individuels peuvent être suffisants mais insuffisants lorsqu’ils sont combinés. Le mode « agent‑led », piloté par une IA, génère automatiquement des e‑mails de phishing et des pages d’atterrissage, réduisant le besoin d’intervention humaine et augmentant la couverture des vecteurs sociaux. Le tableau de bord « Adversarial Exposure Command Center » agrège les scores d’exposition, offrant une vue consolidée du niveau de risque.

Limitations et perspectives

Malgré son avancée, la fonctionnalité reste confinée à l’édition Enterprise, excluant les petites équipes qui constituent la majorité du marché. De plus, la dépendance à des données structurées implique que toute omission de métadonnées (ex. : informations de contexte non capturées) peut interrompre la chaîne prématurément. Le financement de Filigran, supérieur à 100 M$ avec des levées de 35 M$ en octobre 2024 et 58 M$ en octobre 2025, indique une capacité à investir dans l’amélioration du moteur d’IA, mais les détails techniques de l’algorithme de décision restent opaques. Les prochains développements devront probablement intégrer des scénarios multi‑cloud et des simulations contre des modèles de langage large, déjà testés via les injecteurs de red‑teaming contre les chatbots.