Izrael teilt das CTEM-Rahmenwerk in zwei Hälften. Die erste ist diagnostisch: Scoping definiert Assets und Angriffsfläche im Verhältnis zur Geschäftsrelevanz und bleibt weitgehend manuell und auf menschliches Urteil angewiesen. Discovery dagegen hat sich gewandelt — wo früher statische Inventarlisten in Tabellenkalkulationen gepflegt wurden, läuft das Scannen heute kontinuierlich und automatisiert.
Auch die Priorisierung hat sich von der reinen CVSS-Bewertung gelöst. Moderne Lösungen berücksichtigen, ob ein Exploit in freier Wildbahn existiert, ob eine kompensierende Maßnahme die Exposition abdeckt und welche geschäftliche Bedeutung das betroffene Asset hat. Die Verarbeitung dieser Variablen sei ein idealer Anwendungsfall für maschinelles Lernen.
Die zweite Hälfte des Rahmenwerks ist Handlung. Validierung prüft, ob priorisierte Expositionen tatsächlich ausnutzbar sind und ob Kontrollen Angriffe wirklich stoppen; Angriffssimulation, Penetrationstests und adversariale Validierung seien in den vergangenen fünf Jahren zunehmend automatisiert worden. Bei der Mobilisierung jedoch stoppt die Automatisierung: Tickets wandern zwischen Teams, werden durch Änderungsfenster verzögert, verhandelt, gebündelt — und gelegentlich geschlossen, ohne dass jemals etwas behoben wurde.
Für die Aufteilung der Arbeit zwischen Mensch und Agent greift Izrael auf die Theorie der Überwachungssteuerung zurück. „Human in the loop“ bedeutet: Der Agent sammelt Kontext, bestimmt einen Fix, bereitet die Änderung vor und hält an — der Mensch genehmigt oder lehnt ab. „Human on the loop“ bedeutet: Der Agent handelt innerhalb eines definierten Rahmens und berichtet, der Mensch überwacht das Ergebnis über Dashboards und Alarme, statt jede Einzelaktion zu prüfen. Er setzt die Richtlinie, der Agent bewältigt das Volumen.
Als Trennlinie empfiehlt Izrael den ohnehin vorhandenen Risikowert — Rankings aus dem Exposure Management seien ein stärkeres Signal als CVSS-Schweregrade. Hochriskante Befunde gehören zur menschlichen Prüfung; Vertrauen in die Automatisierung soll bei risikoarmen Befunden aufgebaut werden. Die Zurückhaltung vieler Sicherheitsverantwortlicher hält er für begründet: KI-Systeme handelten weiterhin auf schwer vorhersehbare Weise, und die Sorge sei, dass ein Agent eine Lösung anwendet, die weiteren Schaden verursacht.
Die Antwort darauf ist ein eng begrenzter Handlungsraum: Patches aus einem freigegebenen Satz einspielen, bestimmte Konfigurationsparameter ändern, ein Segment isolieren — und für alles Übrige ein Ticket öffnen. Zerstörung sei keine Entscheidung, weil sie nicht zum Wortschatz gehöre; erst die Begrenzung mache Autonomie sicher.
Zwei weitere Leitplanken nennt Izrael: Jede Aktion braucht einen Rückfallplan, und Genehmigungswege müssen standardisiert sein, bevor sie automatisiert werden. Ist die Zuständigkeit für Asset-Klassen heute unklar, verstärke ein Agent diese Unklarheit mit Maschinengeschwindigkeit. Zudem solle der Fehlerfall geprobt werden — in Planspielen, in denen ein Agent den falschen Host zur falschen Stunde patcht. Wer es bemerkt, wer ihn stoppen darf und wie lange das dauert, lerne man besser im Konferenzraum als in der Produktivumgebung.
Als weitergehendes Versprechen nennt Izrael selbstheilende Netzwerke, die ihre eigene Telemetrie überwachen, normales Verhalten modellieren und Anomalien autonom isolieren.