Swimlane aggiunge a Turbine rilevamenti personalizzati delle minacce basati sull’IA e supporto MCP bidirezionale

Un analista della sicurezza basato sull’IA può indagare rapidamente su un avviso, ma non può indagare su un avviso che non è mai stato generato. Swimlane punta a colmare questa lacuna con nuove funzionalità di rilevamento definite dai clienti nella piattaforma Turbine, che consentono ai team di sicurezza di applicare la propria logica ai dati operativi e inviare gli avvisi risultanti direttamente a Swimlane AI SOC.

La versione del 28 ottobre introduce anche il supporto bidirezionale per Model Context Protocol (MCP) e un Hero AI Application Builder Agent. Nel loro insieme, queste novità ampliano la piattaforma di automazione dell’azienda, intervenendo su tre attività interconnesse: stabilire quali attività meritano un’indagine, collegare gli agenti agli strumenti e creare le applicazioni che supportano un flusso di lavoro di sicurezza.

Swimlane afferma che le funzionalità sono generalmente disponibili. L’annuncio le presenta come integrazioni all’infrastruttura di sicurezza esistente, compresi gli strumenti di gestione delle informazioni e degli eventi di sicurezza (SIEM), di rilevamento e risposta sugli endpoint (EDR) e di sicurezza cloud.

Dare ai team di sicurezza il controllo su ciò che diventa un avviso

Molti prodotti AI SOC si concentrano sulla classificazione, sull’indagine e sulla risposta dopo che un sistema di rilevamento ha identificato un comportamento sospetto. Questa suddivisione diventa più difficile da gestire quando le organizzazioni adottano nuovi agenti, copiloti, modelli locali e server MCP più rapidamente di quanto i prodotti di rilevamento consolidati riescano ad adattarsi.

Un’azienda potrebbe dover indagare sull’invio di informazioni sensibili a un servizio di IA non autorizzato, sull’uso imprevisto di un modello locale, sulla disattivazione di una protezione o su un agente che consuma risorse ben oltre il budget previsto. Alcune di queste situazioni dipendono dalle politiche e dall’ambiente specifici dell’organizzazione, anziché corrispondere a una firma universale che un fornitore possa definire in anticipo.

Le nuove funzionalità di Turbine consentono ai team di eseguire la propria logica di rilevamento sui dati accessibili alla piattaforma. Swimlane afferma che una singola operazione sui big data può valutare decine di migliaia di record su nodi di calcolo paralleli, per poi inoltrare un avviso ad AI SOC affinché venga indagato e gestito con una risposta regolamentata.

Questa architettura avvicina la logica di rilevamento all’automazione che agisce in base ai risultati. Invece di identificare separatamente una situazione e predisporre manualmente i passaggi successivi, un team può collegare una regola specifica per la propria organizzazione a un flusso di indagine già esistente. L’utilità di ogni rilevamento dipende comunque dalla presenza dell’attività pertinente nei dati a cui Turbine può accedere.

«Negli ultimi due anni il settore della sicurezza ha discusso di quanto autonomamente l’IA possa gestire un avviso, ma così si trascura una domanda più fondamentale: da dove proviene l’avviso?», ha dichiarato Cody Cornell, cofondatore e CEO di Swimlane.

La versione descrive anche la creazione di rilevamenti assistita dall’IA. I team possono spiegare quale rilevamento desiderano realizzare e sfruttare le funzionalità di Turbine per generare playbook, così da contribuire a crearlo. Generare la logica e verificare che identifichi in modo affidabile il comportamento previsto restano attività distinte: le regole specifiche di un’organizzazione devono rispecchiare i dati, le autorizzazioni e le condizioni dell’ambiente in cui vengono eseguite.

Indagare sui sistemi di IA come potenziali fonti di incidenti

Swimlane definisce questi scenari rilevamento e risposta basati sull’IA, o AIDR: il sistema di IA stesso diventa oggetto dell’incidente. È un approccio diverso dal semplice uso di un modello di IA per riassumere un tradizionale avviso di phishing o relativo a un endpoint.

La prompt injection illustra la differenza. Un agente può imbattersi in istruzioni incorporate nei contenuti che sta elaborando, con il rischio che materiale esterno ne influenzi il comportamento. Per condurre un’indagine efficace potrebbe essere necessario esaminare gli input dell’agente, le attività svolte con gli strumenti e le azioni conseguenti, anziché cercare soltanto un indicatore di malware noto.

Analogamente, un aumento imprevisto della spesa potrebbe segnalare un agente malfunzionante o indirizzato in modo errato, senza assomigliare a un’intrusione tradizionale. La logica definita dai clienti consente ai team di specificare ciò che è anomalo per la propria implementazione, a condizione che siano disponibili i segnali necessari relativi all’utilizzo e alle attività operative.

La capacità di elaborazione annunciata è una specifica dell’azienda, non un benchmark pubblicato per rilevare ogni forma di prompt injection o di uso non autorizzato dell’IA. Il cambiamento concreto consiste nel fornire ai team un ulteriore modo per trasformare le proprie osservazioni in casi su cui intervenire, affiancandolo agli avvisi generati dai prodotti di sicurezza consolidati.

MCP collega agenti e automazione in entrambe le direzioni

MCP offre un’interfaccia comune attraverso la quale le applicazioni di IA possono utilizzare gli strumenti. La versione di ottobre di Swimlane supporta entrambi i lati di questo collegamento.

In qualità di host MCP, Turbine consente a Hero AI di collegarsi a server MCP di terze parti e di utilizzare i relativi strumenti durante le indagini e nei playbook, con autenticazione centralizzata e controlli degli accessi. Un flusso di lavoro di sicurezza può quindi richiamare una funzionalità esterna compatibile con MCP insieme alle integrazioni API già utilizzate.

In qualità di server MCP, Turbine mette l’automazione regolamentata a disposizione dei client di IA esterni. L’annuncio cita Claude, ChatGPT, Cursor, Gemini CLI e Microsoft Copilot come esempi di client in grado di richiamare componenti di Turbine, compresi playbook con più passaggi, nel rispetto dei controlli degli accessi basati sui ruoli già esistenti.

La distinzione ha conseguenze concrete. Nel primo caso, l’agente di Swimlane contatta un altro sistema. Nel secondo, un assistente esterno può avviare un flusso di lavoro approvato di Turbine. Collegare un assistente a un playbook già esistente consente a un’azienda di riutilizzare le automazioni e le autorizzazioni di cui già dispone, anziché ricreare il processo operativo all’interno di ciascun client di IA.

Swimlane afferma che Turbine può combinare strumenti MCP e API tradizionali. Questo rende la novità rilevante per gli ambienti in cui solo alcuni sistemi supportano MCP: i team possono integrare il protocollo in un flusso di lavoro più ampio senza dover modificare tutte le integrazioni esistenti contemporaneamente.

Creare applicazioni di sicurezza con la revisione umana

L’agente di Hero AI per la creazione di applicazioni affronta un’altra fonte di lavoro: configurare le strutture dei record, i layout e i flussi di lavoro richiesti da un nuovo caso d’uso in ambito sicurezza. Gli utenti descrivono in linguaggio naturale ciò di cui hanno bisogno e l’agente crea o modifica l’applicazione corrispondente.

Secondo il comunicato, le modifiche generate non vengono salvate finché una persona non le ha esaminate. Le modifiche sono evidenziate e gli utenti possono accettarle o rifiutarle prima che diventino permanenti. Questo passaggio di approvazione è importante perché la struttura di un’applicazione può influire sul modo in cui gli analisti acquisiscono le prove, trasferiscono i casi da una fase all’altra e mettono in atto una risposta.

Il nuovo agente si basa sulla più ampia offerta Hero AI. I materiali di prodotto di Swimlane descrivono agenti già esistenti per l’acquisizione dei dati, la generazione di playbook, le visualizzazioni e le indagini, oltre alla possibilità di selezionare modelli per i singoli agenti. La creazione di applicazioni estende questa assistenza all’ambiente operativo in cui si svolgono tali attività.

Combinare il ragionamento dell’IA con automazioni prevedibili

Queste novità confluiscono nel modello di instradamento di Swimlane AI SOC, che indirizza il lavoro tra automazione deterministica, indagini assistite dall’IA e indagini completamente agentiche, in base al ragionamento necessario. I playbook esistenti possono gestire le fasi consuete, mentre i casi più complessi possono avvalersi di indagini agentiche e della revisione umana.

Questo è un aspetto importante della progettazione del prodotto: un flusso di lavoro non deve necessariamente affidare ogni attività a un modello. Una sequenza di risposta nota può restare un’automazione tradizionale, mentre un agente aiuta a interpretare prove insolite o a elaborare un piano d’indagine.

Il rilevamento definito dal cliente aggiunge una decisione preliminare a questo modello operativo: che cosa dovrebbe avviare il processo? Per i team di sicurezza che adottano l’IA in tutta l’organizzazione, la versione di ottobre offre un modo per collegare la propria conoscenza dei comportamenti accettabili agli strumenti che indagano e intervengono quando l’attività esula da tali limiti.