Swimlane Meluncurkan AI SOC untuk MSSP untuk Meningkatkan Operasi Keamanan Sibernetik dengan Agentic AI

Swimlane telah meluncurkan versi baru dari platform operasi keamanan sibernetik yang ditenagai AI, yang dirancang khusus untuk penyedia layanan keamanan sibernetik yang dikelola (MSSP) yang membela beberapa lingkungan pelanggan.

Sebuah MSSP adalah penyedia keamanan sibernetik yang dialihdayakan yang memantau sistem, menyelidiki aktivitas yang mencurigakan, dan membantu organisasi merespons ancaman. Pusat operasi keamanan, yang umumnya disingkat sebagai SOC, adalah kombinasi dari analis, proses, dan teknologi yang bertanggung jawab atas pekerjaan ini.

Dibangun di atas platform Swimlane Turbine, AI SOC baru untuk MSSP ini dimaksudkan untuk mengotomatisasi lebih banyak pekerjaan berulang yang terkait dengan penanganan peringatan keamanan, sambil memungkinkan penyedia layanan untuk mempertahankan kontrol atas hubungan pelanggan, data, dan layanan yang dikelola.

Membangun Infrastruktur AI Tanpa Bersaing untuk Pelanggan

Argumen strategis di balik peluncuran ini melampaui otomatisasi.

Seiring vendor keamanan AI memperluas penawaran mereka, beberapa di antaranya mulai menawarkan layanan keamanan yang dikelola langsung. Ini dapat menciptakan konflik potensial bagi MSSP yang sebelumnya mengandalkan vendor tersebut sebagai mitra teknologi, tetapi mungkin sekarang menemukan diri mereka bersaing melawan mereka untuk pelanggan.

Swimlane mengambil posisi yang berbeda. Daripada menjadi organisasi yang bertanggung jawab atas pengelolaan lingkungan keamanan pelanggan, mereka menyediakan teknologi AI dan otomatisasi yang mendasarinya, yang dapat digunakan MSSP untuk membangun layanan mereka sendiri.

Bagi penyedia layanan, perbedaan ini penting. MSSP terus mendefinisikan layanan, mengelola hubungan pelanggan, mengontrol data pelanggan, dan menentukan bagaimana analis berinteraksi dengan sistem yang diotomatisasi. Swimlane menyediakan lapisan orkestrasi yang beroperasi di balik layanan tersebut.

Teknologi perusahaan yang ada saat ini sudah fokus pada membantu MSSP mengoordinasikan penyelidikan, persetujuan, dan tindakan respons di seluruh lingkungan pelanggan tanpa memaksa setiap klien untuk mengikuti alur kerja yang identik.

Menggunakan Agentic AI untuk Menyelidiki Peringatan Keamanan

Produk ini menggunakan agentic AI untuk mengelola bagian dari proses penyelidikan peringatan.

Tidak seperti asisten AI konvensional yang merangkum informasi atau menjawab pertanyaan tunggal, sistem agentic AI dapat mengoordinasikan beberapa langkah menuju tujuan yang lebih besar. Dalam SOC, ini mungkin termasuk mengumpulkan informasi tentang peringatan, memeriksa sumber intelijen ancaman, mengorelasikan peristiwa terkait, menilai risiko potensial, dan mempersiapkan tindakan respons berikutnya.

Swimlane membedakan antara agen AI yang sempit yang menyelesaikan tugas individu dan sistem agentic yang lebih luas yang membawa konteks di seluruh alur kerja keamanan. Yang terakhir dapat memindahkan kasus dari triase awal melalui penyelidikan, eskalasi, respons, dan pelaporan, sambil beroperasi dalam aturan yang ditetapkan oleh tim keamanan.

Untuk produk MSSP baru, setiap peringatan dapat dinormalisasi, yang berarti informasi dari alat keamanan yang berbeda diubah menjadi format yang konsisten. Sistem kemudian memperkaya peringatan dengan intelijen ancaman, seperti reputasi alamat IP, domain, file, atau akun pengguna, sebelum mengorelasikannya dengan aktivitas terkait.

AI menghasilkan putusan yang dapat dijelaskan dan rencana penyelidikan, bukan hanya menetapkan skor risiko. Kasus juga dapat dipetakan melawan MITRE ATT&CK, basis pengetahuan yang secara luas digunakan yang mengorganisir taktik dan teknik yang diamati dalam serangan siber dunia nyata. Ini memberikan analis kerangka kerja umum untuk memahami apa yang mungkin dilakukan oleh penyerang dan bagaimana perilaku yang diamati sesuai dengan intrusi yang lebih luas.

Tujuan bukanlah untuk menghilangkan analis dari proses sepenuhnya. Kasus rutin dapat ditangani secara otomatis, sementara kasus yang ambigu, sensitif, atau berisiko lebih tinggi dinaikkan untuk penilaian manusia.

Berbagi Konteks Ancaman di Seluruh Pelanggan

Salah satu fitur paling mencolok adalah lapisan intelijen ancaman antar-penyewa.

Dalam konteks ini, penyewa adalah lingkungan pelanggan individu yang beroperasi dalam platform MSSP yang lebih luas. Setiap pelanggan mungkin memiliki alat keamanan yang berbeda, izin akses, kewajiban peraturan, dan prosedur respons yang berbeda.

Ketika sistem menyelidiki sesuatu yang dapat diamati seperti alamat IP yang mencurigakan, hash file, atau domain untuk satu pelanggan, penguatan dan putusan yang dihasilkan dapat menjadi konteks langsung untuk peringatan yang melibatkan indikator yang sama di tempat lain dalam portofolio pelanggan MSSP.

Ini bisa mengurangi kebutuhan untuk membeli atau mengambil intelijen ancaman yang sama berulang kali dan dapat membantu analis mengidentifikasi kampanye yang memengaruhi beberapa pelanggan. Indikator yang pertama kali terdeteksi di satu lingkungan dapat mempercepat penyelidikan di lingkungan lain.

Pada saat yang sama, membagikan konteks ancaman di seluruh pelanggan memperkenalkan pertimbangan tata kelola data yang penting. Swimlane mengatakan bahwa platform menggunakan isolasi penyewa asli dan kontrol akses berbasis peran yang halus untuk menjaga informasi klien terpisah dan memastikan bahwa analis hanya memiliki akses ke lingkungan yang mereka izinkan untuk mengelola.

Tujuan praktisnya adalah untuk berbagi intelijen keamanan yang berguna tanpa menghilangkan batas-batas antara akun pelanggan.

Pusat Komando Tunggal untuk Beberapa Lingkungan Klien

Swimlane AI SOC untuk MSSP juga memperkenalkan pusat komando tunggal yang membawa kasus dari lingkungan pelanggan yang terhubung ke ruang kerja analis yang terpadu.

Sebagai gantinya untuk beralih antara alat dan dasbor terpisah untuk setiap pelanggan, analis dapat melihat kasus yang terbuka, peringatan kritis, penyelidikan yang tidak ditugaskan, dan tindakan yang diotomatisasi dari seluruh portofolio MSSP.

Lapisan sinkronisasi meneruskan metadata kasus yang relevan ke pusat komando, memungkinkan MSSP untuk memstandarisasi bagaimana pelanggan baru diintegrasikan. Ini dimaksudkan untuk mengurangi ketergantungan pada proyek jasa profesional khusus, di mana insinyur harus membangun integrasi dan model operasional terpisah untuk setiap klien.

Dasbor tingkat portofolio menyediakan informasi tentang kasus yang aktif, beban kerja analis, keterlibatan pelanggan, dan jumlah insiden yang dibuat, ditutup, ditinggalkan, atau di-triage oleh AI. Laporan mingguan yang diotomatisasi juga dapat dibuat untuk pelaporan manajemen internal atau pelanggan.

Platform ini terhubung dengan sistem alur kerja dan tiket yang ada, termasuk ServiceNow dan Jira. Ini memungkinkan insiden keamanan untuk tetap berada dalam alat yang tim operasional sudah gunakan, bukan menciptakan antrian terisolasi lain yang karyawan harus pantau.

Di bawah penawaran baru ini adalah Swimlane Turbine, yang menggabungkan agen AI, manajemen kasus, playbook otomatisasi low-code, pelaporan, dan arsitektur cloud-native. Platform ini juga dirancang untuk terhubung dengan produk keamanan pihak ketiga melalui antarmuka pemrograman aplikasi, atau API, yang memungkinkan data dan tindakan bergerak antara alat yang tidak terhubung.

Mengatasi Ekonomi Keamanan Sibernetik yang Dikelola

Kasus bisnis didasarkan terutama pada kapasitas analis dan biaya pelayanan setiap pelanggan.

MSSP biasanya menyebarkan teknologi keamanan dan tenaga kerja analis mereka di seluruh beberapa klien. Model ini menjadi lebih sulit ketika volume peringatan tumbuh, lingkungan pelanggan menjadi lebih kompleks, dan setiap organisasi memerlukan integrasi khusus atau prosedur respons.

Menambahkan lebih banyak pelanggan akhirnya dapat memerlukan penambahan analis dan staf teknis dengan tingkat yang hampir sama, membatasi ekonomi skala yang membuat model layanan yang dikelola menarik.

Swimlane berusaha untuk mengubah hubungan ini dengan mengotomatisasi penguatan peringatan, triase, pembuatan kasus, pelaporan, dan bagian dari proses penyelidikan. Secara teori, setiap analis dapat mendukung lebih banyak pelanggan tanpa MSSP harus meningkatkan jumlah staf secara proporsional.

Pengukuran yang penting tidak hanya akan menjadi seberapa banyak tindakan yang dilakukan AI. MSSP perlu menentukan apakah sistem mengurangi biaya per kasus, mempersingkat waktu pemasangan, meningkatkan konsistensi respons, dan mengurangi jumlah peringatan palsu yang mencapai analis manusia.

Penekanan Swimlane pada penyedia layanan juga sesuai dengan strategi saluran yang lebih luas. Pada Juni 2025, perusahaan mengumpulkan $45 juta dalam pembiayaan pertumbuhan dan melaporkan bahwa sekitar 75% bisnis mereka mengalir melalui mitra saluran, termasuk MSSP, distributor, pengecer, dan sistem integrator.

AI Menjadi Lapisan Operasional untuk SOC

Penawaran MSSP Swimlane memperluas platform AI SOC-nya ke penyedia keamanan yang mengelola beberapa lingkungan pelanggan, masing-masing dengan alat, kebijakan, izin, dan persyaratan data yang unik.

Peluncuran ini mencerminkan pergeseran yang lebih luas dalam keamanan sibernetik, dengan AI bergerak melampaui rangkuman peringatan untuk mengoordinasikan penyelidikan dan alur kerja respons di seluruh tim dan sistem keamanan.

Bagi MSSP, nilai akan tergantung pada perbaikan yang dapat diukur dalam kapasitas analis, waktu resolusi kasus, dan biaya operasional. Kontrol yang kuat sekitar persetujuan, jejak audit, isolasi penyewa, dan pengawasan manusia akan tetap penting ketika lebih banyak proses keamanan menjadi diotomatisasi.