Cybersikkerhed

Swimlane udnævnt til visionær leder i Frost & Sullivans AI SOC Radar

mm
Føj Unite.AI til dine foretrukne kilder på Google

Swimlane meddelte den 12. november 2026, at Frost & Sullivan havde udnævnt virksomheden til visionær leder i 2026 Frost Radar for platforme til AI-sikkerhedsoperationscentre (AI SOC) med innovations- og vækstscorer på henholdsvis 4,45 og 4,30 ud af fem.

Frost & Sullivan evaluerede uafhængigt mere end 60 leverandører af AI SOC og udvalgte 24 ledende virksomheder inden for vækst og innovation ifølge Swimlanes virksomheds-hostede rapportresumé. Det bredere marked omfatter mere end 80 leverandører, og kategorien visionær leder anerkender virksomheder, der kombinerer innovation, vækst og indflydelse i branchen.

Lucas Ferreyra, brancheansvarlig hos Frost & Sullivan, sagde, at placeringen afspejlede Swimlanes leverandøruafhængige design, brede dækning, revisionsmuligheder og kombination af agenter og automatisering. Evalueringen finder sted, mens sikkerhedsteams, der står over for mangel på kompetencer og alarmtræthed, ser ud over alarmeringstriage og mod koordineret detektion, undersøgelse og håndtering.

Sådan fungerer hybridmodellen for undersøgelser

Swimlane oplyser, at virksomhedens AI SOC, der drives af Hero AI, selvstændigt kan undersøge og løse kendte og nye hændelser, afhængigt af godkendelsestrin, som hver kunde konfigurerer. Dækningen omfatter 16 sikkerheds- og IT-domæner, herunder slutpunkter, cloud, identitet, e-mail, trusselsinformation, operationel teknologi og tilsluttede enheder, sikkerhedsinformation og hændelsesstyring (SIEM) samt sårbarhedsstyring.

I det beskrevne arbejdsforløb forespørger agenter data i SIEM-platforme, cloudtjenester, lokale datasøer og operationelle datalagre, så kunderne ikke behøver at kopiere disse data. Relevant dokumentation føjes til undersøgelsesregistreringen, mens kunderne bestemmer, hvad Swimlane gemmer, og hvor længe. Hero AI kortlægger disse kilder og beriger alarmer med trusselsinformation, organisatorisk kontekst, undersøgelseshistorik samt sikkerhedsrammeværkerne MITRE ATT&CK og D3FEND.

Ifølge Swimlane udfører dybdegående agenter komplekse ræsonnementer på platformen, mens ekspertagenter håndterer specialiserede opgaver. Kunderne vælger modeludbydere og implementeringssteder, så de passer til opgavernes kompleksitet og omkostninger. Investigation & Response Agent udarbejder planer, som analytikere kan gennemgå eller tilsidesætte, og Hero AI kan udføre planerne eller omdanne dem til deterministiske drejebøger, dvs. faste automatiseringsforløb til gentagelige opgaver. Denne arbejdsdeling forbeholder tilpasningsdygtige ræsonnementer til nye trusler og anvender forudsigelig udførelse til lavere omkostninger ved tilbagevendende aktiviteter.

Virksomheden oplyser, at en sundhedskunde, der håndterer omkring 180 trusler om dagen, reducerede undersøgelsesomkostningerne med op til 90 % ved hjælp af denne hybridtilgang. Resultatet gælder kun denne kunde og er ikke et gennemsnit for hele platformen.

Styring omfatter modeller, data og handlinger

Swimlane oplyser, at alle interaktioner med store sprogmodeller og alle agenthandlinger kan revideres. Agenterne har styrede identiteter, rollebaserede adgangskontroller og livscykluskontroller, og data og forbindelser er isoleret for hver lejer. Kunderne fastsætter grænserne for modeludbydere, implementeringssteder, autonomi, adgang til viden og deterministisk udførelse og begrænser dermed, hvad systemet kan gøre uden godkendelse.

Rapportens anbefalede praksisser omfatter sikkerhedsdrift gennem hele livscyklussen, indbygget styring og menneskeligt tilsyn samt åben integration med målbare resultater; rapporten beskriver også integration med tredjeparter som central for Swimlane. Agenter, som kunderne selv bygger, og automatisering via naturligt sprog giver kunderne mulighed for at udvide platformen, mens understøttelse af flere lejere og fleksibel implementering tilpasses forskellige driftsmiljøer. Tilgangen er udformet, så den supplerer eksisterende sikkerhedsinvesteringer i stedet for at kræve en fuldstændig udskiftning af platformen.

Swimlane oplyser, at kunderne rapporterer et investeringsafkast på 240 % det første år og en reduktion på 75 % i den gennemsnitlige reaktionstid, dvs. den gennemsnitlige tid, det tager at reagere på en hændelse.

Administrerede tjenesteudbydere udvider modellen

Swimlane oplyser, at omkring halvdelen af virksomhedens forretning går gennem kanalpartnere og en tredjedel gennem udbydere af administrerede sikkerhedstjenester (MSSP’er). Et tilbud til MSSP’er fra juli 2026 tilføjede trusselsinformation på tværs af lejere, et centralt kontrolcenter, standardiseret kundeonboarding og porteføljeanalyse med integration til ServiceNow og Jira. Frost & Sullivan beskriver modellen som en ordning, hvor MSSP’en bevarer relationen til slutkunden, dataene og leveringen af tjenesten. Dermed er Swimlane positioneret til at betjene udbyderne frem for at konkurrere med dem.

Den bredere betydning rækker ud over valget af modeller. Anvendelse af agenters ræsonnement på tværs af distribuerede værktøjer kræver håndhævelige begrænsninger for dataopbevaring, adgang og beføjelser til at reagere. Swimlanes rapporterede resultater for omkostninger og reaktionstid underbygger den operationelle værdi af denne rækkevidde, mens Frost & Sullivans anbefalede praksisser gør styring og menneskeligt tilsyn afgørende, efterhånden som AI SOC-platforme bliver mere autonome.

Miles Okada er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker kunstig intelligens og cybersikkerhed med fokus på nye trusler, defensive arkitekturer og de udviklende dynamikker mellem angribere og automatiserede systemer. Hans arbejde undersøger, hvordan AI omformer sikkerhedsoperationer, fra autonom trusselsdetektion og -respons til fremkomsten af adversarielle AI-teknikker.

Med et teknisk og undersøgende perspektiv analyserer Miles sikkerhedsforskning, hændelsesoffentliggørelser og implementeringer i den virkelige verden for at forstå, hvor AI styrker forsvar – og hvor det introducerer nye sårbarheder. Han lægger særlig vægt på modeludnyttelse, dataforgiftning, automatisering af angreb og de operationelle realiteter ved at sikre AI-drevne systemer i stor skala.

Artikler skrevet af Miles Okada er AI-genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre nøjagtighed, stringens og ansvarlig dækning af det hastigt skiftende AI-sikkerhedslandskab.