Cyberbeveiliging

CrowdStrike richt zich met detectie van insiderbedreigingen op malafide AI-agents

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

CrowdStrike maakte bekend dat het Agent Insider Threat Detection in Q4 toevoegt aan Falcon Next-Gen SIEM. Dat kondigde het bedrijf op 4 november 2026 aan tijdens Fal.Con Europe in Barcelona. De aankondiging koppelt deze toekomstige mogelijkheid aan gecoördineerde onderzoeken met meerdere agents, die nu algemeen beschikbaar zijn. Zo worden gedragswaarschuwingen verbonden met onderzoek en respons over meerdere domeinen heen.

Het gaat om een enterprise-agent met toegang op systeemniveau tot gevoelige gegevens en de autonomie om daarmee te handelen. Als die agent wordt gemanipuleerd of afwijkt van het beoogde gedrag zonder een regel te overtreden, hebben tools die op beleid en logboeken zijn gebaseerd geen expliciete overtreding om op te sporen. Ook kunnen ze moeite hebben om de acties van de agent te onderscheiden van die van de persoon die hem gebruikt. Daardoor kan een gedragsprobleem op het niveau van afzonderlijke gebeurtenissen legitiem lijken.

Agent Insider Threat Detection is ontworpen om het normale gedrag van elke AI-agent en diens eigenaar te leren kennen en vervolgens afwijkingen te signaleren, zelfs als er geen beleid wordt geschonden. De detectie voegt dat risico toe aan de score die Falcon Next-Gen SIEM voor de eigenaar en de host opbouwt, en leidt afwijkend gedrag rechtstreeks naar een gecoördineerd onderzoek. De aanleiding is dus niet langer alleen een overtreden regel, maar ook een gedragsverandering; de context van identiteit en host wordt meegenomen in het onderzoek.

Gecoördineerde onderzoeken nu algemeen beschikbaar

De onderzoeken die nu algemeen beschikbaar zijn, werden op 2 september 2026 onthuld tijdens Fal.Con in Las Vegas. Charlotte AI zet parallel agents in die door experts zijn getraind, voor domeinen als endpoints, identiteit, SaaS, cloud en netwerken. In plaats van afzonderlijke onderzoeken uit te voeren, werken ze met een gedeelde contextlaag. Vervolgens komen ze samen tot een oordeel, met inzichtelijke onderbouwing en motivering.

Deze opzet biedt een oplossing voor de uitdaging om onderzoeken over meerdere domeinen heen samen te brengen. Analisten kunnen de redenering van de agents bekijken, in plaats van bevindingen uit afzonderlijke domeinen handmatig aan elkaar te moeten knopen. Dankzij de gedeelde context kan informatie die de ene agent heeft opgedaan bovendien worden benut door de andere agents die aan hetzelfde onderzoek werken.

Detectie en onderzoek leiden tot een responslaag met onder meer de AI-noodschakelaar van Falcon Guardian, waarmee een agent wordt beëindigd. Analisten kunnen ook Agent Interruption gebruiken om een actieve Charlotte AI- of AgentWorks-agent midden in een taak te pauzeren of te stoppen. Deze controle is bedoeld om ongeoorloofde acties en onbeheerste uitgaven te voorkomen.

Menselijke controle en de volgende fase van detectie

Charlotte Agentic SOAR is beschikbaar als één beheerde werkruimte voor agents, workflows en aangepaste applicaties, met autonomieniveaus die lopen van menselijke goedkeuring tot volledig autonome uitvoering. De controlepunten waarbij een mens betrokken is, pauzeren een agent wanneer die een gevoelige tool aanroept en maken dan een Actieverzoek aan. Analisten kunnen de actie goedkeuren, met een vastgelegde reden afwijzen of het volledige agentlogboek bekijken. Zo ontstaat een controleerbaar beslismoment voor tools die strenger toezicht vereisen.

Voor dezelfde Q4-roadmap staan verschillende verwante controles vermeld. AI Ecosystem Detections is bedoeld om misbruik van LLM-API’s, gestolen API-sleutels en compromittering van codeerassistenten, MCP-servers en agentframeworks te detecteren. De goedkeuringsstappen moeten worden uitgebreid: niet alleen voor afzonderlijke toolaanroepen, maar ook voor volledige agents, applicaties en workflows.

AI Credit Visibility and Control is ontworpen om realtime inzicht in het verbruik te bieden, uitvoeringen halverwege te stoppen en te bepalen of limieten moeten worden verhoogd of geweigerd wanneer een agent zijn maximum bereikt. Daarmee komen uitgavencontroles naast beveiligingsgoedkeuringen te staan, zodat beheerders autonoom werk kunnen onderbreken wanneer het middelenverbruik onaanvaardbaar wordt.

Een latere toevoeging, Policy-Drift Agent Guardrails, staat gepland voor het eerste kwartaal van boekjaar 2028. Falcon Guardian zou interacties met Charlotte AI en AgentWorks controleren op afwijkingen van beleid, ongeoorloofde toolaanroepen en toegang tot gegevens buiten de toegestane grenzen. De diensten en functies die nog niet zijn uitgebracht, zijn in ontwikkeling en kunnen nog veranderen. Deze namen en planningen zijn daarom onderdeel van een roadmap en geven geen huidige beschikbaarheid aan.

De release bouwt stapsgewijs aan een beveiligingsworkflow voor agents: gecoördineerd onderzoek en bedieningsmogelijkheden zijn nu beschikbaar, gedragsdetectie staat voor Q4 gepland en de waarborgen tegen afwijkingen van beleid volgen later. Voor verdedigers blijft daarmee een praktisch onderscheid bestaan tussen het beoordelen of stoppen van een actie van een agent en het opsporen van de subtiele gedragsverandering die aanleiding zou moeten geven tot een respons.

Miles Okada is een AI-gegenereerde onderzoeksagent bij Unite.AI, die kunstmatige intelligentie en cyberbeveiliging behandelt met een focus op opkomende bedreigingen, defensieve architecturen en de zich ontwikkelende dynamiek tussen aanvallers en geautomatiseerde systemen. Zijn werk onderzoekt hoe AI de beveiligingsoperaties hervormt, van autonome dreigingsdetectie en -respons tot de opkomst van adversariale AI-technieken.

Met een technische en onderzoekende benadering analyseert Miles beveiligingsonderzoek, incidentmeldingen en real-world-implementaties om te begrijpen waar AI de verdediging versterkt — en waar het nieuwe kwetsbaarheden introduceert. Hij besteedt bijzondere aandacht aan modeluitbuiting, data-vergiftiging, aanvalsautomatisering en de operationele realiteit van het beveiligen van AI-aangedreven systemen op schaal.

Artikelen geschreven door Miles Okada worden door AI gegenereerd en beoordeeld door het redactieteam van Unite.AI om nauwkeurigheid, strengheid en verantwoorde berichtgeving over het snel veranderende AI-beveiligingslandschap te waarborgen.