DARPA heeft Xint geselecteerd om AI in militaire messaging security toe te passen op messaging-applicaties die worden gebruikt binnen het Amerikaanse defensie-ecosysteem. Het doel is om communicatieapplicaties grondig te onderzoeken op kwetsbaarheden, zowel in code die intern is ontwikkeld als in open-source componenten.
Volgens de toelichting van Xint gaat het niet alleen om snelle scans. Het systeem moet diep analyseren, triageren en vervolgens helpen met patching op basis van wat een aanvaller waarschijnlijk kan misbruiken—met extra aandacht voor risico’s die ontstaan door bibliotheken en derdepartij-onderdelen.
Waarom militaire messaging extra lastig te beveiligen is
Messaging en communicatietoepassingen hebben een specifieke dreigingslogica. In veel scenario’s hoeft een aanvaller niet per se controle over alles te krijgen; read-only toegang tot de juiste onderdelen kan al genoeg zijn om de kern van de app te compromitteren. Daarmee verschuift de focus van “worden functies aangeroepen?” naar “welke data kan worden blootgelegd, en via welke route?”
Xint wijst daarbij op een klassiek probleem: embedded SDK’s en bibliotheken. Zelfs kleine datalekken kunnen volgens deze redenering de locatie van een gebruiker of andere persoonsgegevens blootleggen tijdens gevoelige communicatie—soms zonder dat de eindgebruiker of zelfs de ontwikkelaar het meteen merkt.
De rol van Xint: van broncode tot binaries
De opdracht waar DARPA Xint voor inzet, draait om het systematisch onderzoeken van messaging-apps. Dat begint bij het bekijken van de broncode die betrokken is bij de applicaties. Voor apps die bijvoorbeeld draaien op Android, betekent dat volgens de uitleg dat het systeem niet alleen naar de app zelf kijkt, maar ook naar relevante componenten van het Android-ecosysteem en de weg naar de kernel.
Daarnaast moet Xint ook gecompileerde binaries kunnen analyseren. Daarvoor gebruikt het bedrijf een nieuwe dienst die in september 2026 is gelanceerd. In de benadering gaat het niet om één meetlat, maar om het combineren van inzichten uit verschillende lagen om de aanvalsvlakken zo volledig mogelijk in kaart te brengen.
Supply chain risico’s in gecompileerde code
Een belangrijk onderdeel van de nieuwe dienst is software supply chain security. De analyse richt zich op risico’s in gecompileerde code die draait in uiteenlopende omgevingen, zoals agents, on-premises software, appliances, netwerk-demon-processen en andere services.
Door gecompileerde artefacten te betrekken bij de beoordeling, probeert het systeem niet alleen de code te “zien” zoals ontwikkelaars die schrijven, maar ook hoe die code uiteindelijk wordt geleverd, gekoppeld en uitgevoerd. Daarmee ontstaat een completer beeld van mogelijke zwaktes die via afhankelijkheden in het eindproduct terechtkomen.
Automatische triage en patch-ondersteuning
Omdat niet elke gevonden zwakte even relevant is voor aanvallers, richt het programma zich op triage. Xint kan kwetsbaarheden automatisch beoordelen op basis van toegankelijkheid en bruikbaarheid voor een aanvaller. Met andere woorden: wat kan er daadwerkelijk worden uitgebuit, en hoe waarschijnlijk is dat?
Daarna volgt ondersteuning voor patching voor kwetsbaarheden die in de context van het aanvalspatroon nuttig kunnen zijn. In de praktijk betekent dit dat DARPA niet alleen een lijst wil met problemen, maar ook een manier zoekt om beveiliging doelgericht te verbeteren.
SaaS voor ontwikkelaars: scannen vóór release
Xint biedt beveiliging volgens een SaaS-aanpak. Ontwikkelaars kunnen hun code laten verwerken door het platform voordat de release plaatsvindt, met als doel om kwetsbaarheden te verminderen die anders later pas worden ontdekt.
Na die eerste doorlichting kunnen organisaties bovendien doorlopend extra scans draaien om nieuwe zwaktes te detecteren die ontstaan nadat het product is uitgegeven—bijvoorbeeld door wijzigingen in code, afhankelijkheden of omgevingscomponenten.
Het bedrijf beschrijft dat het in gesprek is met klanten die hun eigen code hebben geschreven, zoals webapplicaties. Daarmee ligt de waarde niet alleen in militaire messaging, maar ook in bredere commerciële omgevingen.
Private deployment: alles binnen het datacenter
Niet elke organisatie wil broncode of analyses buiten het eigen netwerk plaatsen. Daarom geeft Xint aan dat er interesse is vanuit enterprises die “alles” binnen hun eigen datacenter willen draaien, zodat code niet naar buiten hoeft.
Die wens is volgens het bedrijf nog niet volledig afgerond. De uitdaging zit vooral in het gebruik van de nieuwste LLM-modellen. Xint geeft aan dat het niet automatisch de meest recente OpenAI- of Anthropic-modellen kan inzetten terwijl alles binnen het datacenter moet blijven, vanwege de randvoorwaarden die daarbij horen.
Met andere woorden: de richting is duidelijk—meer controle voor klanten—maar de implementatie hangt samen met welke model- en infrastructuurkeuzes haalbaar zijn.
Wat dit betekent voor de markt
DARPA’s keuze voor Xint bevestigt volgens het bedrijf de waarde van samenwerking tussen overheidsprogramma’s en private partijen. DARPA krijgt zo meer zekerheid over de beveiliging van communicatie binnen het defensie-ecosysteem. Xint krijgt ruimte om de technologie verder te ontwikkelen en kan die kennis toepassen bij commerciële klanten.
Voor de markt betekent het vooral dat AI-gedreven beveiligingsanalyse steeds verder opschuift van “assistentie” naar feitelijke pipeline-onderdelen: van diepgaande codeanalyse tot triage en ondersteuning bij het verbeteren van software.
Wil je daarnaast voorbeelden zien van hoe kwetsbaarheden in web- en enterpriseomgevingen worden uitgebuit? Lees dan ook hoe aanvallers Citrix NetScaler via zero-days benaderen. Het laat zien waarom het tempo van triage en patching zo cruciaal blijft, ook als de context verschilt.
Praktische aandachtspunten voor organisaties
- Bekijk messaging als aanvalsvlak: niet alleen functies, maar ook de datastromen richting opslag, verwerking en uitwisseling tellen mee.
- Ontdek afhankelijkheidsrisico’s: embedded SDK’s en libraries kunnen risicopaden introduceren die niet direct zichtbaar zijn in de eigen codebase.
- Combineer broncode- en binary-inzichten: wat in broncode klopt, kan in compilatie en bundling anders uitpakken.
- Werk met triage en prioriteiten: niet elke bevinding is direct relevant—focus op wat aanvallers waarschijnlijk kunnen bereiken.
- Organiseer security vóór release: een scan vóór uitrol helpt om kwetsbaarheden eerder te beperken en heranalyse daarna te ondersteunen.
Conclusie
Met de selectie van Xint wil DARPA AI in militaire messaging security inzetten voor diepgaande analyse van messaging-applicaties: van broncode tot gecompileerde binaries, inclusief supply chain risico’s. De aanpak combineert automatische triage met ondersteuning richting patching, zodat kwetsbaarheden niet alleen gevonden worden, maar ook sneller en gerichter worden aangepakt.
Daarnaast positioneert Xint de technologie als SaaS voor ontwikkelaars, met groeiambities richting private deployment. Voor beveiligingsteams betekent dit vooral één ding: de verschuiving naar AI-ondersteunde end-to-end analyse krijgt een steeds concretere plek in het ontwikkel- en releaseproces.
Bron: https://www.securityweek.com/darpa-selects-xint-to-use-ai-in-securing-military-messaging-apps/
