Paul Arends
In dit artikel hebben we onderzocht wat de verwachtingen van ingenieurs zijn met betrekking tot kunstmatige intelligentie-agenten voor netwerk en beveiliging, evenals de beschikbaarheid van agenten of commerciële en open-source oplossingen.
Wat is een kunstmatige intelligentie-agent?
Een kunstmatige intelligentie-agent is een autonoom softwaresysteem dat zelfstandig observeert, redeneert en acties onderneemt om specifieke doelen te bereiken. In tegenstelling tot traditionele software die vaste instructies volgt, volgen agenten voortdurend hun omgeving, nemen dynamische beslissingen op basis van beschikbare informatie en passen hun strategieën aan door middel van leren en ervaring. Moderne kunstmatige intelligentie-agenten maken gebruik van tools zoals webonderzoek, bijen, code-uitvoering en bestandsmanipulatie om te communiceren met externe systemen, waardoor ze complexe taken kunnen uitvoeren, variërend van netwerkmonitoring en probleemoplossing tot beveiligingsanalyse en reactie op bedreigingen.
Ontwerp en architectuur
In de ontwerp- en architectuurfase moeten makers van kunstmatige intelligentie-agenten beslissingen nemen over het kiezen van het AI-framework, het selecteren van modellen met correlaten, het ontwerpen van tools voor agenten en het testen van informatie over databases, bijen en MCP-servers die moeten worden gebruikt.
Modellen voor AI-agenten
De LLM is een centrale controller, of “hersenen”, voor agenten. Het is een cruciaal element voor agenten. Dus welk model moet u kiezen? Een van de manieren om onderscheid te maken tussen de modellen is het gebruik van referentieparameters. Referentieparameters in kunstmatige intelligentie zijn gestandaardiseerde tests die zijn ontworpen om de vaardigheden van verschillende modellen te meten en te vergelijken over specifieke activiteiten. Veel van de populaire benchmarks die momenteel worden gebruikt voor de vergelijking van modellen, bevatten geen vragen met betrekking tot netwerk of beveiliging. Voor netwerkbewaking is de NOK-benchmark voor LLMS een goede keuze, terwijl voor beveiliging de CTibench-benchmark en het Foundation-SEC-8B-model van Cisco beschikbaar zijn.
Er zijn denkmodellen die ideaal zijn voor de vereisten van agenten, zoals Gemini 2.5 Pro, GPT-5, Claude Sonnet 4.0, Claude Opus 4.1 en Qwen3-235B-A22B-Penineia.
Agenten AI: verwachtingen
Uit enquêtes blijkt dat ingenieurs vooral geïnteresseerd zijn in kunstmatige intelligentie-agenten voor configuratieautomatisering, netwerkbewaking, bedreigings- en kwetsbaarheidsbeheer, en codegeneratie. De resultaten geven ook aan dat de technische gemeenschap van Cisco prioriteit geeft aan agenten die infrastructuuruitdagingen oplossen in plaats van generatiehulpprogramma’s voor code.
Kunstmatige intelligentie-agenten voor netwerken en beveiliging: open source en commercieel
Er zijn open-source agenten beschikbaar voor netwerken die netwerkapparaten kunnen beheren en problemen kunnen oplossen via natuurlijke taal. Commerciële bedrijven bieden ook agenten aan die complexe diagnostiek en automatisering van problemen mogelijk maken. Cisco heeft bijvoorbeeld de Cisco AI-assistent die kan helpen bij het analyseren van beleid, het genereren van rapporten en andere activiteiten.
Kunstmatige intelligentie-agenten: beveiligingsproblemen
Naarmate de modellen evolueren, nemen de zorgen over veiligheid en naleving toe. Agenten kunnen problemen veroorzaken door onjuiste instructies te geven of niet-optimale configuraties toe te passen. Het is belangrijk om beveiligingstools te gebruiken om risico’s te minimaliseren. Kunstmatige intelligentie-agenten kunnen echter ook een intelligente geautomatiseerde verdediging bieden en beveiligingsspecialisten helpen bij het reageren op incidenten en het toepassen van beleid en updates.
Al met al tonen de resultaten van het onderzoek aan dat kunstmatige intelligentie-agenten een belangrijke rol kunnen spelen bij het verbeteren van netwerk- en beveiligingsactiviteiten. Het is essentieel om de juiste modellen en tools te kiezen om de voordelen van AI volledig te benutten in deze domeinen.
BRON
