CrowdStrike Merencanakan Akuisisi Fiddler dan Dreadnode untuk Keamanan AI

CrowdStrike mengumumkan pada 3 November 2026 bahwa perusahaan berniat mengakuisisi Fiddler, yang teknologinya akan menjadi Falcon Observe untuk mengevaluasi dan menjelaskan perilaku agen AI. Pengumuman terpisah merinci rencana untuk mengakuisisi Dreadnode dan menambahkan pengujian keamanan AI otomatis ke platform Falcon sebelum sistem digunakan di lingkungan produksi.

Kedua pengumuman itu disampaikan di Fal.Con EU 2026 dan menguraikan rencana akuisisi. CrowdStrike menargetkan ketersediaan umum Falcon Observe dan Dreadnode pada kuartal keempat tahun fiskal 2027. Produk-produk yang direncanakan ini menangani kontrol yang berbeda: menguji kelemahan AI sebelum dirilis, mengevaluasi apakah agen menjalankan tugas yang ditetapkan, serta memantau keputusan mereka setelah diterapkan.

Peran Fiddler dalam Falcon Observe

Sebelum penerapan, tim dapat menggunakan Fiddler untuk membandingkan prompt, model, dan konfigurasi saat mengevaluasi apakah agen menjalankan tugas yang diberikan dengan aman dan akurat. Setelah penerapan, platform ini dirancang untuk melacak keputusan dan alur penalaran di seluruh hierarki agen, serta mengidentifikasi penyimpangan perilaku dan tindakan yang tidak diinginkan. Platform ini merekonstruksi proses pengambilan keputusan agar tim dapat menemukan langkah yang menyebabkan kegagalan.

Visibilitas tersebut mengatasi celah dalam kontrol keamanan konvensional. Contoh pengembalian dana dari CrowdStrike menggambarkan agen yang menggunakan kredensial valid dan alat yang disetujui untuk menyetujui pengembalian dana yang melanggar kebijakan perusahaan. Kontrol tradisional mungkin melihat aktivitas yang sah, meskipun keputusannya keliru; kemampuan menjelaskan perilaku agen dirancang untuk mengungkap alasan agen bertindak dan bagian ketika perilakunya menyimpang.

Fiddler mencakup agen pihak pertama dan pihak ketiga serta mendukung instrumentasi melalui OpenTelemetry, bersama LangGraph, Amazon Bedrock, AWS Strands, dan Google ADK. Catatan di tingkat keputusan pada platform ini dirancang untuk mendukung kepatuhan dan audit. Di dalam Falcon, maksud dan perilaku agen akan dihubungkan dengan telemetri keamanan titik akhir, identitas, cloud, dan runtime, sehingga tim keamanan dapat memeriksa alasan agen bertindak sekaligus apa yang terjadi di seluruh sistem perusahaan sebagai akibatnya.

Pengujian Dreadnode Sebelum Produksi

Dreadnode memulai dengan deskripsi dalam bahasa sehari-hari tentang pengujian yang diinginkan, lalu menguji sistem AI, model, repositori model, aplikasi, agen, dan server MCP sebelum sistem digunakan di lingkungan produksi. CrowdStrike mengatakan bahwa Dreadnode menjalankan lebih dari 50 teknik serangan, termasuk jailbreak, injeksi prompt, serangan multi-giliran, dan serangan khusus agen. Temuan diurutkan berdasarkan tingkat keparahan dan dipetakan ke OWASP Top 10 for LLMs, kategori Keamanan Agen OWASP ASI01 hingga ASI10, MITRE ATLAS, serta Kerangka Kerja Manajemen Risiko AI NIST.

Hasilnya menjadi masukan bagi tampilan risiko terpadu yang mencakup jumlah seluruh temuan, tingkat keberhasilan serangan, perincian tingkat keparahan, hasil temuan, dan metrik risiko yang lebih mendalam. Laporan yang dapat diekspor mendukung keputusan untuk melanjutkan atau tidak. Peninjau manusia dapat memeriksa prompt penyerang dan respons sasaran secara persis, menelusuri serangan langkah demi langkah, mengklasifikasikan ulang temuan, menyesuaikan tingkat keparahan, dan mendokumentasikan alasannya. Metrik dasbor dihitung ulang saat temuan diklasifikasikan ulang.

Rencana integrasi ini menghubungkan pengujian dengan pertahanan saat sistem beroperasi. Temuan Dreadnode akan disalurkan ke Falcon Guardian sebagai rekomendasi kebijakan, sehingga kelemahan yang teridentifikasi sebelum penerapan dapat menjadi dasar perlindungan setelah peluncuran. Data pengujian juga akan mendukung model SafeMind milik CrowdStrike. Falcon Guardian menyediakan deteksi dan respons AI untuk AI yang dikembangkan perusahaan saat beroperasi, sedangkan Falcon Observe mengevaluasi dan menjelaskan apakah agen berperilaku sesuai harapan.

Secara keseluruhan, kedua rencana tersebut menggambarkan alur kerja terpadu, mulai dari pengujian dan evaluasi sebelum produksi hingga pemantauan berkelanjutan dan perlindungan saat sistem beroperasi. Terwujudnya rangkaian ini bergantung pada penyelesaian akuisisi yang direncanakan dan pembangunan integrasi yang dijanjikan, sehingga pelaksanaan sesuai target ketersediaan menjadi pertanyaan utama yang masih terbuka dalam peta jalan keamanan AI CrowdStrike yang diperluas.