CrowdStrike apunta a los agentes de IA maliciosos con la detección de amenazas internas

CrowdStrike anunció el 4 de noviembre de 2026, durante Fal.Con Europe, en Barcelona, que incorporará Agent Insider Threat Detection a Falcon Next-Gen SIEM en el cuarto trimestre (Q4). El anuncio combina esta próxima capacidad con investigaciones coordinadas multiagente ya disponibles de forma general, que conectan las alertas de comportamiento con investigaciones y respuestas que abarcan distintos dominios.

El caso en cuestión es el de un agente empresarial con acceso a nivel de sistema a datos confidenciales y autonomía para actuar sobre ellos. Si alguien manipula ese agente o este se desvía de su comportamiento previsto sin infringir una regla, las herramientas basadas en políticas y registros no tienen una infracción explícita que detectar. También pueden tener dificultades para distinguir las acciones del agente de las de la persona que lo ejecuta, por lo que un problema de comportamiento puede parecer legítimo al analizar cada evento por separado.

Agent Insider Threat Detection está diseñado para aprender cuál es el comportamiento habitual de cada agente de IA y de su propietario, y luego señalar las desviaciones incluso cuando no se infringe ninguna política. Incorpora ese riesgo a la puntuación que Falcon Next-Gen SIEM calcula para el propietario y el equipo anfitrión, y envía directamente el comportamiento anómalo a una investigación coordinada. Así, el desencadenante deja de ser únicamente la infracción de una regla y pasa a incluir los cambios de comportamiento, con el contexto de identidad y del equipo anfitrión integrado en la investigación.

Las investigaciones coordinadas ya están disponibles de forma general

Las investigaciones que ahora están disponibles de forma general se presentaron el 2 de septiembre de 2026, durante Fal.Con, en Las Vegas. Charlotte AI envía en paralelo agentes entrenados por expertos para trabajar en los ámbitos de los terminales, la identidad, SaaS, la nube y las redes. En lugar de realizar indagaciones aisladas, estos agentes trabajan sobre una capa de contexto compartida y luego llegan a una conclusión común, con un razonamiento y una justificación visibles.

Este diseño aborda el problema de integrar los resultados de las investigaciones que abarcan distintos dominios. Los analistas pueden examinar el razonamiento de los agentes en vez de tener que reunir manualmente los hallazgos de cada dominio, mientras que el contexto compartido permite que la información obtenida por un agente ayude a los demás que participan en la misma investigación.

La detección y la investigación alimentan una capa de respuesta que incluye Falcon Guardian AI Kill Switch, que termina la ejecución de un agente. Los analistas también cuentan con Agent Interruption para pausar o detener a mitad de una tarea un agente de Charlotte AI o AgentWorks que esté en ejecución; este control busca impedir acciones no autorizadas y gastos descontrolados.

Controles humanos y la siguiente fase de detección

Charlotte Agentic SOAR está disponible como un único espacio de trabajo con gobernanza para agentes, flujos de trabajo y aplicaciones personalizadas, con opciones de autonomía que van desde la aprobación humana hasta la ejecución totalmente autónoma. Sus controles con intervención humana pausan a un agente cuando invoca una herramienta sensible y generan una solicitud de acción. Los analistas pueden aprobarla, rechazarla con una justificación documentada o inspeccionar el registro completo de actividad del agente, lo que crea un punto de decisión sujeto a revisión en torno a las herramientas que requieren un control más estricto.

En la misma hoja de ruta para el cuarto trimestre (Q4) se enumeran varios controles relacionados. AI Ecosystem Detections está diseñado para cubrir el uso indebido de API de modelos de lenguaje grandes (LLM), el robo de claves de API y los ataques que comprometen asistentes de programación, servidores MCP y marcos de agentes. Se prevé ampliar los controles de aprobación: de llamadas a herramientas individuales a agentes, aplicaciones y flujos de trabajo completos.

AI Credit Visibility and Control está diseñado para ofrecer visibilidad del consumo en tiempo real, detener procesos en curso y decidir si se aumentan o se deniegan los límites cuando un agente alcanza su tope. Así, los controles del gasto se suman a las aprobaciones de seguridad y ofrecen a los administradores una forma de interrumpir el trabajo autónomo cuando el consumo de recursos resulta inaceptable.

Otra iniciativa, Policy-Drift Agent Guardrails, está prevista para el primer trimestre del ejercicio fiscal 2028. Falcon Guardian analizaría las interacciones de Charlotte AI y AgentWorks para detectar desviaciones de las políticas, llamadas no autorizadas a herramientas y accesos a datos fuera de los límites permitidos. Los servicios y las funciones que aún no se han lanzado siguen en desarrollo y pueden cambiar; por tanto, estos nombres y plazos forman parte de una hoja de ruta y no indican que ya estén disponibles.

El lanzamiento organiza por etapas un flujo de trabajo de seguridad para agentes: las investigaciones coordinadas y los controles para los operadores ya están disponibles; la detección de comportamiento figura para el cuarto trimestre (Q4), y las barreras contra las desviaciones de las políticas llegarán más adelante. Para los equipos de defensa, esto establece una distinción práctica entre revisar o detener las acciones de un agente e identificar el cambio sutil de comportamiento que debería activar una respuesta.