AI 正在改变网络安全的节奏。智能体系统能够协调工作并在长周期内追求复杂目标，安全团队已开始在安全运营中应用智能体，但许多实现仍然锚定在既有告警、预定义工作流和已知攻击行为之上。更难的问题在于识别防御遗漏了什么，并把这些缺口转化为可靠的覆盖能力，这需要反复在组织自身的独特环境中测试自适应攻击，并针对正常企业活动验证候选检测规则。
持续性的攻防测试可以形成这种反馈循环。受控攻击产生的遥测数据和基准真值，正是防御智能体暴露缺口、改进覆盖并重新测试所需要的。NVIDIA 与 CrowdStrike 在一个仿照 NVIDIA 加速计算基础设施构建的隔离环境中，评估了一套智能体化攻防系统。
在防御侧，针对网络安全定制的 NVIDIA Nemotron 模型运行在 CrowdStrike 的智能体化网络安全系统 CrowdStrike SafeMind 之中。CrowdStrike 表示，在其内部评估中，其 Blue Solano 防御模型比所测试的领先专有前沿模型更准确，而成本降低了 99%。在本次评估中，经过优化的开放模型配置将 NVIDIA Nemotron 3 Ultra 用于防御编排，并搭配一个经过微调的 Nemotron 3 Super 用于生成检测规则。
该闭环工作流包含四个相互衔接的阶段：第一阶段是执行与捕获，红方智能体框架从威胁情报驱动的目标出发，在代表性环境中选择并执行攻击路径，其动作轨迹被完整记录，CrowdStrike Falcon 端点传感器则捕获相应遥测数据；第二阶段是处理与重构，蓝方智能体框架接收动作轨迹、传感器遥测和更广泛的攻击上下文，判断事件序列中哪些部分可以被重建、哪些现有检测被触发、以及可见性或检测缺口存在于何处。
第三阶段是生成与验证，蓝方智能体框架据此生成候选检测规则，验证框架会对每个候选规则进行检查，并用捕获的遥测数据进行回测，将失败项返回修正，把通过验证的检测规则送入检测引擎；第四阶段是重测、适应与重复，在验证后的检测规则部署之后，一次独立播种的攻击会重新测试同一目标，检测与告警上下文返回红方智能体框架，由其调整并探索替代性攻击或规避路径，从而为蓝方智能体框架产生新的轨迹与遥测数据。
为支持安全且贴近真实的测试，NVIDIA 提供了一份脱敏的自然语言规格说明来代表其加速计算基础设施，并由智能体辅助工作流将其转换为隔离的目标网络智能体环境。评估使用攻击路径和可观测里程碑，从动作轨迹与传感器遥测中衡量进展，而不是依赖智能体自身的声明。NVIDIA 安全专家对该环境和威胁路径的真实性进行了审查，同一经过审查的环境支持每一次攻击运行、检测测试和评估指标，从而能够在不同配置之间进行一致比较。
WeChat
Profile