Nvidia introduceert nieuwe beveiligingslaag om bescherming voor AI-agenten te versterken

Monday 28 September 2026 - 17:17

Nvidia heeft een open-source beveiligingsplatform geïntroduceerd dat ontwikkelaars en bedrijven meer controle biedt over autonome kunstmatige intelligentie-agenten, naarmate deze systemen steeds beter in staat zijn om taken uit te voeren in software, netwerken en bedrijfsomgevingen.

Het initiatief, bekend als NVIDIA OpenShell, is ontworpen om beveiligingscontroles rond een AI-agent te plaatsen in plaats van uitsluitend te vertrouwen op de beschermingen die in het model zelf zijn ingebouwd. Het bedrijf beschrijft OpenShell als een veilige runtime die autonome agenten in staat stelt om binnen geïsoleerde omgevingen te opereren met expliciete beleidsregels die bepalen wat ze kunnen benaderen en uitvoeren.

De ontwikkeling komt op een moment dat AI-agenten verder gaan dan het genereren van tekst en het beantwoorden van vragen. Moderne agenten kunnen bestanden lezen, externe tools gebruiken, code uitvoeren, interactie hebben met applicaties en toegang krijgen tot bedrijfsystemen, wat nieuwe beveiligingsuitdagingen creëert wanneer ze blijvende machtigingen of toegang tot gevoelige bronnen krijgen.

OpenShell pakt deze risico's aan door middel van sandboxing en op beleid gebaseerde controles die verschillende delen van de operationele omgeving van een agent bestrijken. Volgens Nvidia kan het systeem de toegang tot bestanden, netwerkverbindingen en processen beperken, terwijl het een audittrail bijhoudt van toegestane en geblokkeerde acties.

Een van de centrale principes achter het platform is om kritische beveiligingscontroles buiten de AI-agent zelf te houden. Dit betekent dat zelfs als een agent zich onverwacht gedraagt of zijn interne beschermingen worden omzeild, de beperkingen die door de omringende runtime zijn opgelegd, kunnen blijven beperken wat hij kan doen.

Het platform kan ook netwerkactiviteit reguleren en voorkomen dat agenten ongeautoriseerde bestemmingen bereiken. Bestandsysteemcontroles zijn ontworpen om de toegang tot verklaarde locaties te beperken, terwijl procesniveau-bescherming pogingen kan blokkeren om extra bevoegdheden te verkrijgen of potentieel gevaarlijke operaties uit te voeren.

Nvidia heeft betoogd dat deze aanpak bijzonder relevant is voor langdurige autonome systemen. In tegenstelling tot conventionele chatbots kunnen agenten gedurende langere tijd opereren, meerdere tools gebruiken en interactie hebben met externe diensten, wat de potentiële gevolgen van een gecompromitteerd of verkeerd geconfigureerd systeem vergroot.

OpenShell maakt deel uit van Nvidia's bredere inspanning om infrastructuur voor autonome AI op te bouwen. Het bedrijf heeft ook NemoClaw ontwikkeld, dat agentimplementatietools combineert met de sandbox- en beleidscontroles van OpenShell. Recente updates hebben het levenscyclusbeheer, netwerkbeleid, bescherming van inloggegevens en monitoringcapaciteiten uitgebreid.

De opkomst van specifieke agent-beveiligingsinfrastructuur weerspiegelt een bredere verschuiving in de AI-industrie. Terwijl bedrijven experimenteren met systemen die in staat zijn om meerstaps taken uit te voeren met beperkte menselijke supervisie, wordt het beheersen van machtigingen, inloggegevens en toegang tot bedrijfsdata een belangrijk onderdeel van implementatiestrategieën.

Voor bedrijven is de uitdaging om AI-agenten voldoende toegang te geven om nuttig werk te verrichten zonder hen onbeperkte controle over gevoelige systemen te geven. Nvidia's aanpak probeert dat evenwicht te bereiken door de mogelijkheden van de agent te scheiden van de beveiligingsgrenzen die door de omgeving waarin deze opereert, worden opgelegd.

De groeiende focus op agentbeveiliging benadrukt ook hoe de risico's die gepaard gaan met kunstmatige intelligentie veranderen. Naarmate AI-systemen de mogelijkheid krijgen om acties te ondernemen in plaats van alleen informatie te verstrekken, kan het beschermen van de omringende infrastructuur net zo belangrijk worden als het evalueren van het model zelf. OpenShell vertegenwoordigt een poging om die extra beschermingslaag in de architectuur te bouwen die wordt gebruikt om autonome agenten te implementeren.