Argus lar syv KI-agenter etterforske angrep uten å kunne handle, men prosjektet er bare dager gammelt

38 commits og 58 stjerner på GitHub er hele historikken til Argus, en selvhostet sikkerhetsplattform som GitHub-brukeren thomasunise opprettet 24. oktober. Samme kveld ble den sendt inn til Hacker News. README-en lover overvåking av sky, identitet, kode, endepunkter, nettverk og Kubernetes, 13 deteksjonsregler, en katalog med 27 typede tiltak og syv KI-agenter som triagerer, etterforsker og jakter på angrep. Stacken er Python med FastAPI, PostgreSQL og Redis, lisensen er MIT, og agentene kan kjøre mot Anthropic, OpenAI eller lokalt via Ollama.

Det interessante er hvordan agentene er avgrenset. Ifølge README-en har de bare lesende verktøy, og det eneste verktøyet som kan skrive, oppretter en ventende forespørsel i en separat action broker. Broken har egen policy, krever at godkjenneren er en annen enn den som ba om tiltaket, kjører dry run med beregnet blast radius og lagrer en rollback før noe skjer. Alt agentene leser, pakkes inn som <untrusted_data>, og systemprompten sier at instruksjoner i bevismaterialet skal behandles som tegn på injection.

«En prompt injection gjemt i en logg blir et signal i stedet for en kapring.» — README-en til Argus

Agentene handler aldri selv, men plattformen kan. Autonome playbooks kan blokkere en angriper hos Cloudflare eller isolere en laptop via CrowdStrike eller SentinelOne. De er av som standard, starter i shadow mode, får bare bruke reverserbare tiltak med tak per time og ruller endringen tilbake med mindre et menneske beholder den.

Modenheten er ubevist. README-en kaller selv Argus «not a certified product», og statustabellen beskriver collectorene for AWS, Azure, GCP, Okta og resten som «implemented with fixtures», med skyleverandørenes SDK-er som valgfrie. På Hacker News beskrev en kommentator prosjektet som noe «a person vibe coded yesterday». Brukeren gnabgib påpekte at kontoen han svarte, allerede var brukt til å sende inn domenet til prosjektet, og ba om at man lar være å iscenesette interesse.

«Ikke lag falske samtaler eller falsk interesse som dette.» — gnabgib, Hacker News

Hva bør du gjøre?

1. Les docs/THREAT-MODEL.md og app/agents/runtime.py hvis du bygger egne agenter med verktøy, siden mønsteret med lesende verktøy, én propose-funksjon og en separat broker kan kopieres uten resten av plattformen.
2. Kjør python scripts/seed_demo.py lokalt for å se flyten med syntetiske data i en isolert tenant, eventuelt med Ollama som modell.
3. Hold den unna produksjonskontoer i AWS, Okta eller CrowdStrike til prosjektet har en historikk som strekker seg forbi noen dager.