CodeWall获400万美元融资，推出无凭证多Agent协同AI渗透测试服务

总部位于伦敦的进攻性安全初创企业CodeWall Ltd.近日宣布完成400万美元种子轮融资。该公司聚焦于“进攻性安全”（Offensive Security）领域，推出一项基于AI Agent的自动化渗透测试服务，可模拟真实黑客行为，在无需预先获取系统凭证的前提下，对目标系统进行持续、动态的安全评估。

与传统渗透测试依赖人工红队或静态扫描工具不同，CodeWall的核心技术路径是构建多个协同工作的AI Agent，形成类“红队集群”。这些Agent在运行中不依赖已知账号密码等前置凭证，而是通过自主探索、漏洞利用链组合与行为模仿，逐步突破系统防御边界。该方案试图解决当前企业安全测试中普遍存在的覆盖盲区问题——例如权限提升路径遗漏、横向移动检测缺失，以及对零日漏洞利用场景的响应滞后。

据公开信息，CodeWall的服务架构强调“持续性”（Continuous），即不再将渗透测试视为一次性项目，而是嵌入DevSecOps流程中，随应用迭代自动触发测试周期。其AI Agent具备记忆能力与策略演化机制：在一次测试中发现的薄弱环节会被记录为后续攻击路径的参考点；当系统配置发生变更时，Agent能重新评估攻击面并调整策略，从而实现接近真实攻击者的适应性行为。

这一思路源于近年来网络安全攻防态势的结构性变化。随着云原生架构普及、微服务数量激增，传统以IP和端口为边界的防护模型逐渐失效。攻击者更倾向于利用业务逻辑漏洞、身份认证绕过或供应链投毒等“非典型入口”，而这类风险难以通过常规漏洞扫描器识别。2023年Verizon《数据泄露调查报告》指出，83%的数据泄露事件涉及外部攻击者，其中近半数利用了凭证窃取或权限滥用，但仍有相当比例源于未被发现的逻辑缺陷或配置错误——这正是CodeWall试图填补的空白。

值得注意的是，CodeWall所采用的“无前置凭证”设计，并非意味着完全脱离授权范围。其服务仍需客户明确划定测试边界与合规条款，确保所有操作在法律与合同框架内进行。技术上，该方案通过模拟攻击者常用的侦察（Recon）、初始访问（Initial Access）、权限提升（Privilege Escalation）、横向移动（Lateral Movement）及数据 exfiltration 等阶段，构建闭环攻击链验证能力。每个Agent专注于特定任务模块，例如一个负责枚举API接口异常响应，另一个则尝试构造SQL注入载荷，多Agent间通过共享上下文实现协同推进。

从行业演进角度看，AI驱动的自动化红队（Red Teaming）正成为安全厂商的新竞争高地。Google旗下Mandiant早在2022年便启动Project Sycamore，探索LLM辅助的威胁建模；微软也在Azure Defender中集成AI生成的模拟攻击剧本。但多数方案仍以“辅助人类”为定位，而CodeWall选择将AI置于执行层中心，弱化人工干预环节，属于较为激进的技术路线。

其潜在挑战亦不容忽视。首先是误报与漏报的平衡问题：AI Agent若过于激进，可能触发生产环境告警甚至导致服务中断；若过于保守，则无法复现真实攻击强度。其次，模型的可解释性仍是瓶颈——当Agent成功入侵某系统时，安全团队需清晰理解其利用路径，否则难以有效修复。CodeWall宣称已引入“攻击溯源图谱”机制，将每一步操作映射为可视化决策树，供客户审计与复盘。

融资方面，本轮融资由早期风投机构领投，资金将主要用于扩大工程团队、完善Agent训练数据集，并推进与主流云平台（如AWS、Azure）的集成认证。公司尚未披露具体客户名单，但表示已有数家金融科技与SaaS企业进入POC阶段。

在监管层面，此类技术的应用正引发关注。欧盟《网络弹性法案》（CRA）要求关键数字服务提供商定期开展“对抗性测试”，而美国NIST SP 800-171修订版也强调“模拟真实攻击者行为”的必要性。CodeWall的模式恰好契合上述合规趋势，为其商业化提供了政策支点。

需要厘清的是，CodeWall并非唯一探索AI红队方向的玩家。同类项目还包括美国初创公司Cymmetria（已被Rapid7收购）、以色列的SafeBreach（主打自动化攻击模拟平台），以及国内部分安全厂商内部孵化的AI渗透模块。但CodeWall的差异化在于其“多Agent无凭证协同”架构——即不预设登录凭据，仅凭对外暴露的接口与行为特征发起试探，更贴近APT组织的实际手法。

从技术成熟度看，目前该类服务仍处于早期落地阶段。Gartner在2024年安全技术成熟度曲线中将“AI驱动的持续渗透测试”列为“期望膨胀期”（Peak of Inflated Expectations），预计2–5年内走向稳定应用。短期内，其适用场景更偏向高价值资产的深度验证，而非全量系统普查。

对于企业用户而言，采纳此类服务需审慎评估风险敞口。一方面，它能暴露传统扫描无法发现的深层逻辑漏洞；另一方面，过度依赖自动化可能弱化安全团队的实战能力。理想状态应是“AI红队+人工蓝队”协同：前者高频覆盖广度，后者聚焦深度研判与响应优化。

CodeWall的出现，折射出安全产业正从“被动防御”向“主动验证”范式迁移。当攻击者加速采用AI增强其战术效率时，防御方同样需要对称升级测试手段。这种以攻促防的逻辑，正在重塑企业安全建设的优先级排序。

目前，该公司官网已开放早期客户申请通道，服务定价尚未公开，但据行业惯例，此类持续性渗透测试年费通常在10万至50万美元区间，取决于资产规模与测试频率。