Visa åpner AI-agent-arbeidsflyten for sårbarhetstesting som åpen kildekode

Selskapet beskriver overgangen i en hvitbok om Anthropic's Project Glasswing, presentert på Global Fintech Fest i Mumbai — og har åpnet sin egen AI-agent-arbeidsflyt som åpen kildekode. Men tallene er foreløpig stort sett Visas egne.

Arkivfoto: Filfoto: Serverrader i et datasenter. AI-agenter som tester systemer for sårbarheter krever store mengder beregningskraft og infrastruktur.
Arkivfoto: Daniel M. Hendricks, CC BY 2.0 · kilde

Visa åpner AI-agent-arbeidsflyten for sårbarhetstesting som åpen kildekode

Selskapet beskriver overgangen i en hvitbok om Anthropic's Project Glasswing, presentert på Global Fintech Fest i Mumbai — og har åpnet sin egen AI-agent-arbeidsflyt som åpen kildekode. Men tallene er foreløpig stort sett Visas egne.

Hva Visa sier at det har endret

Visa har ifølge selskapets egen beskrivelse gått fra tidsplanbasert sårbarhetshåndtering til en kontinuerlig modell der sårbarheter oppdages, testes, utbedres og valideres løpende. Budskapet ble lansert gjennom en hvitbok om AI-drevet sikkerhetstesting under Global Fintech Fest i Mumbai, og ble dekket av Times of India (Mayur Shetty / TNN, 10. september 2026) (Times of India).

Kjernen i oppdateringen er ikke en ny produktlansering, men en endring i hvordan betalingsnettverket organiserer sitt eget forsvar: i stedet for periodiske sikkerhetssjekker skal AI-agenter kontinuerlig lete etter svakheter i infrastrukturen, teste dem, utvikle fikser og verifisere endringene før de når produksjon.

Hvordan agent-rammeverket fungerer

Det konkrete verktøyet heter Visa Vulnerability Agentic Harness (VVAH). Ifølge selskapet bruker det flere AI-agenter som sammen oppdager sårbarheter, tester dem, utvikler fikser og validerer at de fungerer, før endringene går i produksjon (Times of India). VVAH skal være åpen kildekode, noe som betyr at praktikere kan inspisere selve arbeidsflyten i stedet for å forholde seg til markedsføring.

Project Glasswing: frontier-modeller mot egen infrastruktur

Metodikken skal ha blitt testet gjennom Anthropic's Project Glasswing, der frontier-AI-modeller ble brukt mot Visas internett-tilgjengelige og kritiske infrastruktur. Visa sier at selskapets nulltillitsarkitektur og nettverkssegmentering hindret identifiserte sårbarheter fra å bli vellykkede angrepskjeder (Times of India).

Det finnes en tidligere omtale av samme disklosur: et Instagram-innlegg fra EASYTRANSFER 1. september 2026 oppgir at deltakere i Project Glasswing identifiserte «mer enn 10 000» sårbarheter med høy eller kritisk alvorlighetsgrad i løpet av den første testmåneden (EASYTRANSFER). Tallet står ikke i Times of India-artikkelen, og kan foreløpig ikke bekreftes uavhengig — det må regnes som ubekreftet inntil hvitboken selv dokumenterer det.

Ny målestokk: Mean Time to Adapt

En av de mer konkrete endringene er hvordan Visa måler forsvarssuksess. Selskapet bruker nå Mean Time to Adapt (MTTA) — altså hvor raskt utnyttbare veier kan lukkes — fremfor antall oppdagede trusler eller antall patcher (Times of India). Logikken er at når AI gjør det mulig å finne sårbarheter raskere, blir konkurransen om hvem som fikser raskest.

Suresh Sethi, group country manager i Visa, rammet det inn slik ved lanseringen av hvitboken: «Ettersom AI blir kraftigere, er cybersikkerhetsutfordringen ikke lenger bare å finne sårbarheter — det er å fikse dem raskere enn de kan utnyttes» (Times of India).

Indisk svindelkontekst — med usikker kildebase

Times of India plasserer Visa-nyheten i en bredere indisk kontekst: cyber-svindeltilfeller steg 24 prosent år-til-år til 2,81 millioner i 2025, tap fra investeringssvindel nådde 22 495 crore rupi, og «digital arrest»-svindel sto for 9 prosent av tapene. 1930-hjelpelinjen for cyber-svindel noterte 32,4 millioner anrop i løpet av året — omtrent ett hvert sekund (Times of India). Det bør bemerkes at artikkelen ikke navngir noen opprinnelig kilde for disse tallene; de skal derfor leses som kontekst, ikke som verifisert statistikk knyttet til et navngitt offentlig organ.

A2A Protect: et separat selskapsprodukt, ikke en del av samme sak

Utelukkende til kontekst: Visa lanserte 2. september 2026 en oppdatert versjon av A2A Protect, et produkt for sanntids risikoinnsikt for å hindre svindel på konto-til-konto-betalinger før pengene forlater kundens konto. Dette er det første kombinerte tilbudet i markedet etter Visas oppkjøp av det britiske analyseselskapet Featurespace i 2024, og inkluderer en samlet svindelscore (The Paypers).

Visas pressemelding hevder at A2A Protect har økt svindeldeteksjonen med opptil 75 prosent i løpet av de første seks månedene, med over 50 prosent reduksjon i svindel og over 40 prosent reduksjon i unødvendige varsler (PRNewswire). Alle disse tallene er selskapets egne, og hverken The Paypers eller PRNewswire-innslaget utgjør uavhengig bekreftelse av hverandre. Pressemeldingen siterer også Juniper Research, som projiserer at A2A-transaksjoner vil overstige 5,8 billioner i 2028 — en økning på 160 prosent fra 2024 — med Asia-Stillehavsregionen som står for mer enn halvparten av globale forbruker-A2A-transaksjoner innen 2028 (PRNewswire).

A2A Protect er en produktlansering og skiller seg fra Project Glasswing-sikkerhetsarbeidet; de to sakene bør ikke leses som én historie.

Hva vi ikke vet

Hvitboken selv, VVAH-repositoryet og eventuelle uttalelser fra Anthropic foreligger ikke i dette kildematerialet — all Glasswing-dekning her er sekundær. Det viktigste åpenbare spørsmålet er om «mer enn 10 000 sårbarheter i første måned» kan bekreftes fra hvitboken, og om Visas påstand om at nulltillitsarkitektur og nettverkssegmentering hindret vellykkede angrepskjeder, kan etterprøves uavhengig. Foreløpig er nesten alle kvantitative utsagn — MTTA-resultater, deteksjonsøkninger, reduksjonstall — selskapets egne beskrivelser, ikke uavhengige funn.

Få de viktigste AI-nyhetene i innboksen

Nyheter, analyser og verktøy samlet for deg.