CrowdStrike ha presentato SafeMind, un sistema agentico per la cybersecurity che mette in relazione un modello offensivo e uno difensivo all’interno di un ciclo continuo di attacco, rilevamento e correzione. Sviluppata dal Cyber Superintelligence Lab dell’azienda in collaborazione con NVIDIA, la nuova architettura è destinata a operare nativamente nella piattaforma Falcon e punta a trasformare le attività tipiche dei red team e dei blue team in un processo automatizzato capace di adattarsi a ogni nuova iterazione.
Il progetto nasce dalla constatazione che gli agenti AI possono rendere più rapidi e scalabili anche gli attacchi informatici. SafeMind applica lo stesso principio alla difesa: il sistema cerca i percorsi di compromissione, osserva la telemetria generata durante l’esecuzione, crea e convalida nuove regole di rilevamento, quindi ripete il test per verificare se l’attaccante riesce a trovare una strada alternativa.
Red Tempest attacca, Blue Solano costruisce le difese
I due modelli specializzati hanno ruoli complementari. Red Tempest svolge le funzioni del red team, riproducendo scenari di attacco avanzati e tecniche impiegate da avversari che fanno uso dell’intelligenza artificiale. Blue Solano agisce sul versante difensivo: analizza ciò che accade nell’ambiente, individua le lacune nella copertura e genera contromisure basate sulle pratiche maturate dagli specialisti di CrowdStrike.
A coordinare i modelli sono gli agent harness, il livello software che fornisce contesto, memoria, strumenti, autorizzazioni, regole di sicurezza e meccanismi di verifica. È questo componente a convertire le capacità del modello in una sequenza operativa di azioni e a mantenere Red Tempest e Blue Solano nello stesso circuito. Gli harness di SafeMind possono inoltre lavorare con modelli open source e con altri modelli di frontiera, lasciando alle aziende la possibilità di scegliere la combinazione più adatta al proprio ambiente.
Il ciclo non si limita a produrre una segnalazione. Dopo avere ricostruito un attacco attraverso i dati raccolti dai sensori Falcon, il sistema genera una possibile regola di detection, ne controlla la correttezza tecnica, la sottopone a test sulla telemetria e la inserisce nel motore di rilevamento soltanto dopo la convalida. Un nuovo agente offensivo, inizializzato in modo indipendente, ripete quindi l’azione per cercare varianti o tecniche di elusione. Il processo continua finché nell’ambiente rappresentativo non restano percorsi praticabili.
NVIDIA Nemotron per orchestrazione e regole di detection
La base tecnologica comprende i modelli aperti NVIDIA Nemotron, personalizzati da CrowdStrike con dati e competenze di dominio. Nemotron 3 Ultra orchestra l’harness difensivo, mentre una versione di Nemotron 3 Super sottoposta a post-training opera come specialista per generare e correggere le regole di rilevamento. L’addestramento utilizza anche NVIDIA NeMo Gym e NeMo RL, con ricompense verificabili legate al risultato del compito.
I dati impiegati per specializzare SafeMind provengono dalla telemetria dei sensori Falcon, dalla threat intelligence di CrowdStrike, dalle annotazioni degli eventi gestiti dal servizio Falcon Complete MDR e da quindici anni di attività di incident response. Secondo l’azienda, questa combinazione permette ai modelli di lavorare su tracce, comportamenti e procedure direttamente collegati alla sicurezza informatica, anziché affidarsi soltanto alla conoscenza generalista di un modello linguistico.
CoreWeave fornisce invece l’infrastruttura cloud utilizzata per l’addestramento e l’inferenza. NVIDIA partecipa come partner per la progettazione AI e investirà 100 milioni di dollari in cinque anni nel Cyber Superintelligence Lab di CrowdStrike, la struttura di ricerca dalla quale proviene SafeMind.
I benchmark di SafeMind
Nei benchmark, SafeMind ha ottenuto un tasso di rilevamento superiore del 29% rispetto ai principali modelli di frontiera e alle baseline open source considerate, una remediation end-to-end sei volte più rapida e una riduzione del 99% dei costi associati a detection e remediation.
I test si sono svolti in un ambiente isolato, costruito a partire da una rappresentazione dell’infrastruttura di calcolo accelerato di NVIDIA e controllato dai suoi esperti di sicurezza. Nel backtesting, la pipeline aperta ottimizzata ha raggiunto un tasso medio di rilevamento del 41,9% in sei sessioni, pari a 2,5 volte quello ottenuto dall’harness predefinito con il solo Nemotron 3 Ultra. In una prova con otto attacchi non utilizzati in precedenza, il 45% delle regole generate dalla configurazione open model si è dimostrato generalizzabile, contro il 29% del sistema basato sul modello di frontiera preso a confronto.
SafeMind confluirà nella piattaforma CrowdStrike Falcon, mentre l’accesso separato ai modelli e agli harness rientrerà nel programma Project QuiltWorks. È già possibile registrarsi per l’accesso anticipato.
