CrowdStrike cible les agents d’IA malveillants avec la détection des menaces internes

CrowdStrike a annoncé le 4 novembre 2026, lors de Fal.Con Europe à Barcelone, qu’elle ajouterait Agent Insider Threat Detection à Falcon Next-Gen SIEM au quatrième trimestre. Cette annonce associe cette nouvelle fonctionnalité, qui sera bientôt disponible, à des enquêtes coordonnées multi-agents déjà disponibles de manière générale, reliant les alertes comportementales aux enquêtes et aux interventions dans plusieurs domaines.

Le scénario visé concerne un agent d’entreprise disposant d’un accès au niveau du système à des données sensibles et de l’autonomie nécessaire pour agir sur celles-ci. Si cet agent est manipulé ou s’écarte du comportement prévu sans enfreindre de règle, les outils fondés sur les politiques et les journaux ne disposent d’aucune violation explicite à détecter. Ils peuvent également avoir du mal à distinguer les actions de l’agent de celles de la personne qui l’utilise, de sorte qu’un problème comportemental peut sembler légitime lorsqu’on examine les événements individuellement.

Agent Insider Threat Detection est conçu pour apprendre le comportement normal de chaque agent d’IA et de son propriétaire, puis signaler les écarts, même en l’absence de violation d’une politique. La solution ajoute ce risque au score que Falcon Next-Gen SIEM établit pour le propriétaire et l’hôte, et transmet directement les comportements anormaux à une enquête coordonnée. Le déclencheur ne se limite donc plus à une règle enfreinte : il peut s’agir d’un changement de comportement, le contexte relatif à l’identité et à l’hôte étant intégré à l’enquête.

Les enquêtes coordonnées sont désormais disponibles de manière générale

Les enquêtes désormais disponibles de manière générale ont été présentées le 2 septembre 2026, lors de Fal.Con à Las Vegas. Charlotte AI dépêche en parallèle des agents formés par des experts dans les domaines des terminaux, des identités, du SaaS, du cloud et des réseaux. Au lieu de mener des investigations isolées, ils s’appuient sur une couche de contexte partagée, puis aboutissent à une conclusion étayée par un raisonnement et une justification visibles.

Cette conception répond au défi de la coordination des enquêtes entre plusieurs domaines. Les analystes peuvent examiner le raisonnement des agents au lieu de rassembler manuellement les résultats issus de différents domaines, tandis que le contexte partagé permet à un agent de transmettre aux autres des informations recueillies dans le cadre de la même enquête.

La détection et l’enquête alimentent une couche d’intervention qui comprend le Falcon Guardian AI Kill Switch, lequel met fin à l’exécution d’un agent. Les analystes disposent également d’Agent Interruption, qui leur permet de mettre en pause ou d’arrêter en cours de tâche un agent Charlotte AI ou AgentWorks, un mécanisme destiné à empêcher les actions non autorisées et les dépenses incontrôlées.

Contrôle humain et prochaine phase de détection

Charlotte Agentic SOAR est proposé sous la forme d’un espace de travail unique et gouverné pour les agents, les flux de travail et les applications personnalisées, avec des paramètres d’autonomie allant de l’approbation humaine à l’exécution entièrement autonome. Ses mécanismes de contrôle avec intervention humaine mettent un agent en pause lorsqu’il fait appel à un outil sensible et déclenchent une demande d’action. Les analystes peuvent approuver l’action, la rejeter en consignant le motif ou examiner la trace complète de l’agent, ce qui crée un point de décision vérifiable autour des outils nécessitant un contrôle plus étroit.

Plusieurs mécanismes connexes figurent dans la même feuille de route du quatrième trimestre. AI Ecosystem Detections vise à couvrir les abus d’API de grands modèles de langage (LLM), le vol de clés d’API et les compromissions impliquant des assistants de programmation, des serveurs MCP et des cadres d’agents. Il est prévu d’étendre les contrôles d’approbation, qui s’appliquent actuellement à des appels d’outils individuels, à des agents, des applications et des flux de travail entiers.

AI Credit Visibility and Control est conçu pour offrir une visibilité en temps réel sur la consommation, permettre d’interrompre une exécution en cours et décider d’augmenter ou de refuser les limites lorsqu’un agent atteint son plafond. Les contrôles des dépenses viennent ainsi compléter les approbations de sécurité et donnent aux administrateurs un moyen d’interrompre les tâches autonomes lorsque leur consommation de ressources devient inacceptable.

Une fonctionnalité ultérieure, Policy-Drift Agent Guardrails, est prévue pour le premier trimestre de l’exercice 2028. Falcon Guardian examinerait les interactions de Charlotte AI et d’AgentWorks afin de détecter les écarts par rapport aux politiques, les appels d’outils non autorisés et les accès aux données hors des limites prévues. Les services et fonctionnalités non encore commercialisés sont toujours en cours de développement et susceptibles d’évoluer : ces intitulés et échéances relèvent donc d’une feuille de route et ne correspondent pas à une disponibilité actuelle.

Cette version met en place progressivement un processus de sécurité des agents : les enquêtes coordonnées et les mécanismes de contrôle pour les opérateurs sont disponibles dès maintenant, la détection comportementale figure au programme du quatrième trimestre et les garde-fous contre les écarts par rapport aux politiques sont prévus à une échéance ultérieure. Pour les équipes de défense, cela distingue concrètement l’examen ou l’interruption des actions d’un agent de la détection d’un changement de comportement subtil qui devrait déclencher une intervention.