Evaluris AI-praktijk

AI/LLM/ML-beveiliging

Testen, governance toepassen en de identiteiten erachter beveiligen, in één praktijk.

Elk model dat u inzet, elke agent die u opstart en elke LLM-integratie die u oplevert, vergroot tegelijk uw aanvalsoppervlak en uw governanceverplichtingen. Evaluris brengt vakmanschap in offensieve beveiliging en governance-discipline samen naar AI-systemen, gebouwd op hetzelfde onderzoek en dezelfde platforms achter SPECTER en Verant.

Discipline I

AI-testen en red teaming

Adversariale beoordeling van AI-systemen, modellen en de pipelines die ze bedienen.

Beveiligingstests van AI en machine learning

Kunstmatige intelligentie heeft uw aanvalsoppervlak vergroot op manieren waarvoor traditionele frameworks voor penetratietesten niet zijn ontworpen. Elke LLM-integratie, GenAI-applicatie en MLSecOps-pipeline die u inzet, introduceert een nieuwe klasse kwetsbaarheden: kwetsbaarheden die conventionele scanners niet detecteren en die de meeste teams voor offensieve beveiliging niet kunnen testen.

Evaluris voert adversariale beoordelingen van AI-systemen uit, afgestemd op OWASP Top 10 for LLM Applications, OWASP ML Security Top 10 en de MITRE ATLAS-dreigingsmatrix voor adversariaal machine learning. Onze operators hebben onderzoek gepubliceerd over system prompt poisoning, autonome APT-frameworks en AI-gedreven malwarepolymorfisme: geen theoretische kennis, maar actief onderzoek dat elk traject voedt.

Omvat

Prompt injection (direct en indirect), jailbreaking en omzeiling van veiligheidscontroles, modelextractie en -inversie, poisoning van trainingsdata, manipulatie van RAG-pipelines, extractie van system prompts, misbruik van agentic tools, onveilige plugin- en function-callketens, supply-chainrisico's in modelafhankelijkheden, en integriteit van de MLSecOps-pipeline.

Compliance

OWASP Top 10 for LLM ApplicationsOWASP ML Security Top 10MITRE ATLASISO 42001EU AI Act

AI-red teaming

AI-systemen vereisen een fundamenteel andere adversariale insteek. Conventionele red-teamtechnieken adresseren niet de aanvalsoppervlakken die large language models, autonome AI-agents, in de business geïntegreerde LLM-applicaties en GenAI-gedreven beveiligingstools introduceren.

AI-red teaming van Evaluris evalueert de veerkracht van uw AI-infrastructuur tegen adversariale actors die begrijpen hoe deze systemen redeneren, waar hun guardrails falen en hoe ze op schaal te manipuleren zijn. Onze operators hebben origineel onderzoek gepubliceerd over system prompt poisoning, agentic attack orchestration en autonome APT-frameworks, dat direct in elk traject wordt toegepast.

Omvat

Multi-turn jailbreakketens, indirecte prompt injection via externe databronnen, manipulatie van autonome agents en goal hijacking, misbruik van tool calls in agentic pipelines, adversariale inputs tegen AI-gedreven beveiligingstools, memory poisoning in persistente agentarchitecturen, en compromittering van de AI-supply chain.

Compliance

MITRE ATLASOWASP Top 10 for LLM ApplicationsOWASP ML Security Top 10ISO 42001

Methodologie

MITRE ATLASOWASP Top 10 for LLM ApplicationsOWASP ML Security Top 10ISO 42001
Discipline II

AI-governance en identiteit

Eigenaarschap van AI-risico, beheersmaatregelen en identiteitsgovernance operationeel maken, niet theoretisch.

AI-governance en risico

Elk AI-systeem dat u inzet heeft een risico-eigenaar, een controlframework en een antwoord klaar voor de EU AI Act nodig, niet alleen een red-teamrapport.

Wij bouwen AI-governanceprogramma's die de EU AI Act, ISO/IEC 42001 en het NIST AI Risk Management Framework operationeel maken in plaats van aspiratief: risicoclassificatie, modelinventarissen, beheersmaatregelen voor menselijk toezicht en auditklare documentatie voor elk AI-systeem in productie.

Omvat

Risicoclassificatie van AI-systemen en modelinventaris (mapping op EU AI Act Art. 6), gapbeoordeling en opbouw van het managementsysteem volgens ISO/IEC 42001, ontwerp van het framework voor modelrisicobeheer, ontwerp van menselijk toezicht en audittrailbeheersmaatregelen.

Compliance

EU AI ActISO/IEC 42001NIST AI RMF

Identiteitsbeveiliging van AI-agents

Elke AI-agent die uw organisatie opstart is een nieuwe identiteit met toegang die niemand volgt. Wij vinden ze en brengen ze onder governance, voordat iets anders dat doet.

Agentic AI creëert niet-menselijke identiteiten sneller dan elke IAM-stack aankan: API-sleutels, OAuth-scopes, serviceaccounts, autonome agents die op uw gegevens handelen. Wij auditen wat er is, bouwen lifecycle-beheersmaatregelen en brengen het onder governance. Gebouwd op hetzelfde framework achter Verant.

Omvat

Ontdekking en inventarisatie van niet-menselijke en agentic identiteiten, audit van shadow AI en onbeheerde OAuth-scopes, framework voor toegangslevenscyclus en governance van AI-agents, integratie van doorlopende monitoring.

Compliance

NIST AI RMFZero Trust

Neem contact op met Evaluris

Weet u niet welk traject past? Wij helpen u de juiste test of beoordeling af te bakenen.