Swimlane ने Turbine में कस्टम AI खतरा पहचान और दो-तरफ़ा MCP सहायता जोड़ी

AI सुरक्षा विश्लेषक किसी अलर्ट की तुरंत जांच कर सकता है, लेकिन वह ऐसी चेतावनी की जांच नहीं कर सकता जो कभी जारी ही न हुई हो। Swimlane अपने Turbine प्लेटफ़ॉर्म में ग्राहकों द्वारा तय की जाने वाली नई पहचान क्षमताओं के ज़रिए इस कमी को दूर करने की कोशिश कर रही है। इससे सुरक्षा टीमें परिचालन डेटा पर अपने नियम लागू कर सकती हैं और उनसे तैयार अलर्ट सीधे Swimlane AI SOC में भेज सकती हैं।

28 अक्टूबर को जारी अपडेट में दो-तरफ़ा Model Context Protocol (MCP) सहायता और Hero AI Application Builder Agent भी शामिल हैं। ये नई सुविधाएँ मिलकर कंपनी के स्वचालन प्लेटफ़ॉर्म का विस्तार तीन परस्पर जुड़ी ज़िम्मेदारियों तक करती हैं: यह तय करना कि किन गतिविधियों की जांच होनी चाहिए, एजेंटों को टूल से जोड़ना और सुरक्षा कार्यप्रवाह में मददगार एप्लिकेशन बनाना।

Swimlane के अनुसार, ये क्षमताएँ आम तौर पर सभी ग्राहकों के लिए उपलब्ध हैं। घोषणा में इन्हें मौजूदा सुरक्षा अवसंरचना में जोड़ी गई सुविधाओं के रूप में पेश किया गया है, जिसमें सुरक्षा सूचना एवं इवेंट प्रबंधन (SIEM), एंडपॉइंट पहचान एवं प्रतिक्रिया (EDR) और क्लाउड सुरक्षा टूल शामिल हैं।

सुरक्षा टीमों को यह तय करने का नियंत्रण देना कि कौन-सी गतिविधि अलर्ट बने

कई AI SOC उत्पाद पहचान प्रणाली द्वारा संदिग्ध व्यवहार का पता लगाए जाने के बाद उसकी प्राथमिकता तय करने, जांच करने और जवाब देने पर केंद्रित होते हैं। यह बँटवारा तब और मुश्किल हो जाता है, जब संगठन नए एजेंट, कोपायलट, स्थानीय मॉडल और MCP सर्वर इतनी तेज़ी से तैनात करते हैं कि स्थापित पहचान उत्पाद उनके अनुरूप ढल नहीं पाते।

किसी कंपनी को अनधिकृत AI सेवा पर भेजी गई संवेदनशील जानकारी, स्थानीय मॉडल के अप्रत्याशित इस्तेमाल, सुरक्षा अवरोधक के निष्क्रिय होने या किसी एजेंट द्वारा उसके निर्धारित बजट से कहीं अधिक संसाधन खर्च किए जाने की जांच करनी पड़ सकती है। इनमें से कुछ स्थितियाँ संगठन की नीतियों और परिवेश से जुड़ी होती हैं; वे ऐसी सार्वभौमिक पहचान-छाप नहीं होतीं जिन्हें कोई विक्रेता पहले से तय कर सके।

नई Turbine क्षमताओं से टीमें प्लेटफ़ॉर्म पर उपलब्ध डेटा पर अपने पहचान नियम चला सकती हैं। Swimlane के अनुसार, एक बड़ी डेटा कार्रवाई समानांतर कंप्यूट नोड में हज़ारों रिकॉर्ड का मूल्यांकन कर सकती है और फिर जांच तथा नियंत्रित प्रतिक्रिया के लिए अलर्ट को AI SOC तक पहुँचा सकती है।

इस संरचना से पहचान के नियम उस स्वचालन के करीब आ जाते हैं जो उनके नतीजों पर कार्रवाई करता है। किसी स्थिति की पहचान अलग से करके अगले कदमों को हाथ से तय करने के बजाय, टीम अपने संगठन-विशिष्ट नियम को मौजूदा जांच कार्यप्रवाह से जोड़ सकती है। हालांकि, किसी भी पहचान की उपयोगिता इस बात पर निर्भर करती है कि उससे जुड़ी गतिविधि उस डेटा में मौजूद है या नहीं, जिस तक Turbine की पहुंच है।

Swimlane के सह-संस्थापक और CEO Cody Cornell ने कहा, “सुरक्षा उद्योग पिछले दो वर्षों से इस बात पर बहस कर रहा है कि AI कितनी स्वायत्तता से किसी अलर्ट पर काम कर सकता है, लेकिन इससे एक अधिक बुनियादी सवाल छूट जाता है: अलर्ट आया कहाँ से?”

इस अपडेट में AI की मदद से पहचान नियम बनाने की सुविधा का भी वर्णन है। टीमें बता सकती हैं कि वे किस तरह की पहचान चाहती हैं और उसे तैयार करने में Turbine की प्लेबुक बनाने की क्षमताओं का इस्तेमाल कर सकती हैं। हालांकि, नियम तैयार करना और यह सुनिश्चित करना कि वह इच्छित व्यवहार की भरोसेमंद पहचान करता है—दो अलग काम हैं। संगठन-विशिष्ट नियमों में उस परिवेश के डेटा, अनुमतियों और परिस्थितियों को ध्यान में रखना ज़रूरी है जहाँ वे लागू होंगे।

AI प्रणालियों की संभावित घटना-स्रोत के रूप में जांच

Swimlane इन परिस्थितियों को AI पहचान और प्रतिक्रिया, यानी AIDR, कहती है: इसमें AI प्रणाली खुद घटना का विषय बन जाती है। यह पारंपरिक फ़िशिंग या एंडपॉइंट अलर्ट का सारांश बनाने के लिए AI मॉडल के इस्तेमाल से अलग है।

प्रॉम्प्ट इंजेक्शन इस अंतर को स्पष्ट करता है। किसी एजेंट को संसाधित की जा रही सामग्री में छिपे निर्देश मिल सकते हैं, जिससे बाहरी सामग्री द्वारा उसके व्यवहार को प्रभावित किए जाने का जोखिम पैदा होता है। उपयोगी जांच में केवल किसी परिचित मैलवेयर संकेतक को खोजने के बजाय एजेंट के इनपुट, टूल गतिविधि और उसके परिणामस्वरूप की गई कार्रवाइयों की पड़ताल करनी पड़ सकती है।

इसी तरह, खर्च में अप्रत्याशित उछाल किसी खराबी से जूझ रहे या गलत दिशा में काम कर रहे एजेंट का संकेत हो सकता है, भले ही वह पारंपरिक घुसपैठ जैसा न दिखे। ग्राहकों द्वारा तय किए गए नियमों से टीमें यह बता सकती हैं कि उनके अपने परिनियोजन में क्या असामान्य है—बशर्ते उपयोग और परिचालन के ज़रूरी संकेत उपलब्ध हों।

घोषित प्रसंस्करण क्षमता कंपनी द्वारा बताई गई विशिष्टता है, न कि प्रॉम्प्ट इंजेक्शन या अनधिकृत AI इस्तेमाल के हर रूप का पता लगाने के लिए प्रकाशित बेंचमार्क। व्यावहारिक बदलाव यह है कि स्थापित सुरक्षा उत्पादों से मिलने वाले अलर्ट के अलावा, अब टीमों के पास अपने अवलोकनों को कार्रवाई योग्य मामलों में बदलने का एक और तरीका है।

MCP एजेंटों और स्वचालन को दोनों दिशाओं में जोड़ता है

MCP एक साझा इंटरफ़ेस उपलब्ध कराता है, जिसके ज़रिए AI एप्लिकेशन टूल का इस्तेमाल कर सकते हैं। Swimlane के अक्टूबर के अपडेट में इस कनेक्शन के दोनों पक्षों को सहायता दी गई है।

MCP होस्ट के रूप में, Turbine, Hero AI को तीसरे पक्ष के MCP सर्वर से जुड़ने और जांच तथा प्लेबुक के दौरान उनके टूल इस्तेमाल करने देता है। इसमें प्रमाणीकरण और पहुंच नियंत्रण केंद्रीकृत रहते हैं। इसलिए, सुरक्षा कार्यप्रवाह पहले से इस्तेमाल किए जा रहे API इंटीग्रेशन के साथ किसी बाहरी MCP-संगत क्षमता को भी बुला सकता है।

MCP सर्वर के रूप में, Turbine बाहरी AI क्लाइंट के लिए नियंत्रित स्वचालन उपलब्ध कराता है। घोषणा में Claude, ChatGPT, Cursor, Gemini CLI और Microsoft Copilot को ऐसे क्लाइंट के उदाहरण के रूप में नामित किया गया है, जो मौजूदा भूमिका-आधारित पहुंच नियंत्रणों के भीतर, कई चरणों वाली प्लेबुक समेत Turbine के घटकों को चला सकते हैं।

यह अंतर महत्वपूर्ण है। पहली दिशा में Swimlane का एजेंट किसी दूसरे सिस्टम से संपर्क करता है। दूसरी दिशा में कोई बाहरी सहायक, स्वीकृत Turbine वर्कफ़्लो शुरू कर सकता है। किसी सहायक को पहले से बने प्लेबुक से जोड़ने पर उद्यम अपने मौजूदा स्वचालन और अनुमतियों का फिर से उपयोग कर सकता है, बजाय इसके कि हर AI क्लाइंट के भीतर परिचालन प्रक्रिया को नए सिरे से बनाया जाए।

Swimlane के मुताबिक, Turbine MCP टूल को पारंपरिक API के साथ जोड़ सकता है। इससे यह रिलीज़ उन परिवेशों के लिए प्रासंगिक हो जाती है जहाँ केवल कुछ सिस्टम ही MCP का समर्थन करते हैं: टीमें हर मौजूदा एकीकरण को एक साथ बदलने की आवश्यकता के बिना, इस प्रोटोकॉल को व्यापक वर्कफ़्लो में शामिल कर सकती हैं।

मानवीय समीक्षा के साथ सुरक्षा एप्लिकेशन बनाना

Hero AI Application Builder Agent काम के एक और स्रोत को संबोधित करता है: उन रिकॉर्ड संरचनाओं, लेआउट और वर्कफ़्लो को कॉन्फ़िगर करना जिनकी किसी नए सुरक्षा उपयोग-मामले के लिए ज़रूरत होती है। उपयोगकर्ता अपनी ज़रूरत का वर्णन सामान्य भाषा में करते हैं और एजेंट उसी के अनुरूप एप्लिकेशन बनाता या संशोधित करता है।

रिलीज़ के अनुसार, तैयार किए गए बदलाव तब तक सहेजे नहीं जाते जब तक कोई व्यक्ति उनकी समीक्षा न कर ले। बदलावों को हाइलाइट किया जाता है और स्थायी रूप से लागू होने से पहले उपयोगकर्ता उन्हें स्वीकार या अस्वीकार कर सकते हैं। यह अनुमोदन चरण महत्वपूर्ण है, क्योंकि एप्लिकेशन की संरचना इस बात को प्रभावित कर सकती है कि विश्लेषक सबूत कैसे दर्ज करते हैं, मामलों को अलग-अलग चरणों में कैसे आगे बढ़ाते हैं और कार्रवाई कैसे करते हैं।

यह नया एजेंट व्यापक Hero AI पोर्टफ़ोलियो पर आधारित है। Swimlane की उत्पाद सामग्री में डेटा ग्रहण करने, प्लेबुक तैयार करने, दृश्यांकन और जांच के लिए मौजूदा एजेंटों का वर्णन है; साथ ही, अलग-अलग एजेंटों के लिए मॉडल चुनने की सुविधा भी दी गई है। एप्लिकेशन निर्माण से इन कार्यों के आसपास के परिचालन कार्यक्षेत्र तक यह सहायता विस्तृत होती है।

AI तर्कशक्ति को पूर्वानुमेय स्वचालन के साथ जोड़ना

ये नई सुविधाएँ Swimlane AI SOC के कार्य-निर्देशन मॉडल में शामिल होती हैं। यह मॉडल आवश्यक तर्कशक्ति के अनुसार काम को नियतात्मक स्वचालन, AI-सहायता प्राप्त जांच और पूरी तरह एजेंट-आधारित जांच के बीच निर्देशित करता है। पहले से बने प्लेबुक परिचित चरणों को संभाल सकते हैं, जबकि अधिक जटिल मामलों में एजेंट-आधारित जांच और मानवीय समीक्षा का सहारा लिया जा सकता है।

यह उत्पाद की संरचना का एक अहम पहलू है: किसी वर्कफ़्लो में हर काम को मॉडल के ज़रिए भेजना ज़रूरी नहीं होता। किसी परिचित प्रतिक्रिया-क्रम को पारंपरिक स्वचालन के रूप में जारी रखा जा सकता है, जबकि कोई एजेंट अपरिचित सबूतों की व्याख्या करने या जांच की योजना बनाने में मदद कर सकता है।

ग्राहक द्वारा तय की गई पहचान इस परिचालन मॉडल में एक शुरुआती निर्णय जोड़ती है: सबसे पहले प्रक्रिया किस चीज़ से शुरू होनी चाहिए? अपने पूरे संगठन में AI अपनाने वाली सुरक्षा टीमों के लिए, अक्टूबर की रिलीज़ अपने स्वीकार्य व्यवहार संबंधी ज्ञान को उन टूल से जोड़ने का तरीका देती है जो गतिविधि तय मानकों से बाहर होने पर उसकी जांच करते हैं और जवाबी कार्रवाई करते हैं।