Swimlane bổ sung khả năng phát hiện mối đe dọa AI tùy chỉnh và hỗ trợ MCP hai chiều cho Turbine

Một nhà phân tích bảo mật AI có thể nhanh chóng điều tra cảnh báo, nhưng không thể điều tra cảnh báo chưa từng được tạo ra. Swimlane đang giải quyết khoảng trống đó bằng các khả năng phát hiện mới do khách hàng xác định trên nền tảng Turbine, cho phép các nhóm bảo mật áp dụng logic riêng cho dữ liệu vận hành và chuyển trực tiếp những cảnh báo được tạo ra vào Swimlane AI SOC.

Bản phát hành ngày 28 tháng 10 cũng giới thiệu khả năng hỗ trợ Giao thức Ngữ cảnh Mô hình (Model Context Protocol, MCP) hai chiều và Hero AI Application Builder Agent. Những bổ sung này cùng mở rộng nền tảng tự động hóa của công ty để đáp ứng ba nhiệm vụ liên kết với nhau: xác định hoạt động nào cần được điều tra, kết nối các tác nhân AI với công cụ và xây dựng các ứng dụng hỗ trợ quy trình bảo mật.

Swimlane cho biết các khả năng này hiện đã được cung cấp rộng rãi. Thông báo giới thiệu chúng như những bổ sung cho hạ tầng bảo mật hiện có, bao gồm hệ thống quản lý thông tin và sự kiện bảo mật (SIEM), hệ thống phát hiện và ứng phó tại điểm cuối (EDR) cùng các công cụ bảo mật đám mây.

Trao quyền cho nhóm bảo mật kiểm soát những gì trở thành cảnh báo

Nhiều sản phẩm AI SOC tập trung vào việc phân loại, điều tra và ứng phó sau khi hệ thống phát hiện đã xác định hành vi đáng ngờ. Sự phân chia này trở nên khó xử lý hơn khi các tổ chức triển khai tác nhân AI, trợ lý AI, mô hình cục bộ và máy chủ MCP mới nhanh hơn khả năng đáp ứng của các sản phẩm phát hiện hiện có.

Một công ty có thể cần điều tra việc thông tin nhạy cảm bị gửi đến một dịch vụ AI không được cấp phép, việc sử dụng mô hình cục bộ bất ngờ, một cơ chế bảo vệ bị vô hiệu hóa hoặc một tác nhân AI tiêu thụ tài nguyên vượt xa ngân sách dự kiến. Một số tình huống như vậy phụ thuộc vào chính sách và môi trường riêng của tổ chức, thay vì dựa trên một dấu hiệu chung mà nhà cung cấp có thể xác định trước.

Các khả năng mới của Turbine cho phép nhóm bảo mật chạy logic phát hiện của riêng mình trên dữ liệu mà nền tảng có thể truy cập. Swimlane cho biết một tác vụ dữ liệu lớn có thể đánh giá hàng chục nghìn bản ghi trên các nút điện toán song song, sau đó chuyển cảnh báo vào AI SOC để điều tra và ứng phó theo quy trình quản trị.

Kiến trúc này đưa logic phát hiện đến gần hơn với quy trình tự động hóa xử lý kết quả của nó. Thay vì xác định một tình huống riêng lẻ rồi tự tập hợp các bước tiếp theo, nhóm bảo mật có thể kết nối quy tắc riêng của tổ chức với quy trình điều tra hiện có. Tuy nhiên, hiệu quả của mọi hoạt động phát hiện vẫn phụ thuộc vào việc dữ liệu mà Turbine có thể truy cập có ghi nhận hoạt động liên quan hay không.

“Trong hai năm qua, ngành bảo mật đã tranh luận về mức độ tự chủ mà AI có thể đạt được khi xử lý cảnh báo, nhưng điều đó bỏ qua một câu hỏi cơ bản hơn: cảnh báo bắt nguồn từ đâu?” Cody Cornell, đồng sáng lập kiêm CEO của Swimlane, cho biết.

Bản phát hành cũng giới thiệu tính năng hỗ trợ AI trong việc xây dựng quy tắc phát hiện. Các nhóm có thể mô tả quy tắc phát hiện mình cần và sử dụng khả năng tạo sổ tay quy trình của Turbine để hỗ trợ xây dựng quy tắc đó. Việc tạo ra logic và xác minh rằng logic nhận diện chính xác hành vi dự kiến một cách đáng tin cậy vẫn là hai nhiệm vụ riêng biệt: các quy tắc dành riêng cho từng tổ chức cần phản ánh dữ liệu, quyền truy cập và điều kiện của môi trường nơi chúng được triển khai.

Điều tra các hệ thống AI với tư cách là nguồn gây sự cố tiềm tàng

Swimlane mô tả những tình huống này là phát hiện và ứng phó bằng AI, hay AIDR: chính hệ thống AI trở thành đối tượng của sự cố. Điều này khác với việc đơn thuần dùng một mô hình AI để tóm tắt cảnh báo lừa đảo trực tuyến hoặc cảnh báo tại điểm cuối thông thường.

Tấn công chèn lời nhắc cho thấy rõ sự khác biệt này. Một tác nhân AI có thể gặp phải các chỉ dẫn được nhúng trong nội dung mà nó đang xử lý, làm phát sinh nguy cơ tài liệu bên ngoài ảnh hưởng đến hành vi của nó. Một cuộc điều tra hữu ích có thể cần xem xét dữ liệu đầu vào của tác nhân, hoạt động sử dụng công cụ và các hành động tiếp theo, thay vì chỉ tìm kiếm một dấu hiệu phần mềm độc hại quen thuộc.

Tương tự, mức chi tiêu tăng đột biến bất ngờ có thể báo hiệu một tác nhân AI hoạt động sai hoặc bị điều hướng lệch mục tiêu mà không giống một vụ xâm nhập truyền thống. Logic do khách hàng xác định giúp các nhóm diễn đạt điều gì là bất thường trong chính môi trường triển khai của họ, với điều kiện có sẵn các tín hiệu cần thiết về mức sử dụng và hoạt động.

Quy mô xử lý được công bố là thông số do công ty đưa ra, không phải kết quả kiểm định hiệu năng đã công bố về khả năng phát hiện mọi hình thức tấn công chèn lời nhắc hoặc sử dụng AI trái phép. Thay đổi thiết thực là các nhóm có thêm một cách để biến những quan sát của chính mình thành vụ việc có thể xử lý, bên cạnh các cảnh báo do những sản phẩm bảo mật hiện có cung cấp.

MCP kết nối tác nhân AI và quy trình tự động hóa theo cả hai chiều

MCP cung cấp một giao diện chung để các ứng dụng AI sử dụng công cụ. Bản phát hành tháng 10 của Swimlane hỗ trợ cả hai phía của kết nối này.

Với vai trò máy chủ MCP, Turbine cho phép Hero AI kết nối với các máy chủ MCP của bên thứ ba và sử dụng công cụ của họ trong quá trình điều tra cũng như khi chạy sổ tay quy trình, đồng thời áp dụng xác thực và kiểm soát truy cập tập trung. Nhờ đó, một quy trình bảo mật có thể gọi một chức năng bên ngoài tương thích với MCP song song với các tích hợp API mà quy trình đang sử dụng.

Với vai trò máy chủ MCP, Turbine cung cấp khả năng tự động hóa được quản trị cho các ứng dụng AI bên ngoài. Thông báo nêu Claude, ChatGPT, Cursor, Gemini CLI và Microsoft Copilot là những ví dụ về ứng dụng có thể gọi các thành phần của Turbine, bao gồm cả sổ tay quy trình nhiều bước, trong khuôn khổ các biện pháp kiểm soát truy cập dựa trên vai trò hiện có.

Sự khác biệt này có ý nghĩa quan trọng. Ở chiều thứ nhất, tác nhân của Swimlane chủ động kết nối với một hệ thống khác. Ở chiều thứ hai, một trợ lý bên ngoài có thể khởi chạy quy trình Turbine đã được phê duyệt. Kết nối trợ lý với một kịch bản vận hành đã thiết lập giúp doanh nghiệp tái sử dụng các quyền và hoạt động tự động hóa hiện có, thay vì phải tái tạo quy trình vận hành bên trong từng ứng dụng AI.

Swimlane cho biết Turbine có thể kết hợp các công cụ MCP với API thông thường. Điều này khiến bản phát hành phù hợp với những môi trường chỉ có một số hệ thống hỗ trợ MCP: các nhóm có thể tích hợp giao thức này vào quy trình làm việc rộng hơn mà không cần thay đổi đồng loạt mọi tích hợp hiện có.

Xây dựng ứng dụng bảo mật với sự rà soát của con người

Tác nhân xây dựng ứng dụng Hero AI giải quyết một nguồn công việc khác: cấu hình cấu trúc bản ghi, bố cục và quy trình làm việc cần thiết cho một trường hợp sử dụng bảo mật mới. Người dùng mô tả nhu cầu bằng ngôn ngữ tự nhiên, rồi tác nhân tạo hoặc chỉnh sửa ứng dụng tương ứng.

Theo thông cáo, các thay đổi do hệ thống tạo ra vẫn chưa được lưu cho đến khi có người rà soát. Những thay đổi này được làm nổi bật, và người dùng có thể chấp nhận hoặc từ chối trước khi chúng được lưu lại. Bước phê duyệt đó rất quan trọng vì cấu trúc ứng dụng có thể ảnh hưởng đến cách chuyên viên phân tích ghi nhận bằng chứng, chuyển vụ việc qua các giai đoạn và triển khai ứng phó.

Tác nhân mới này phát triển dựa trên danh mục sản phẩm Hero AI rộng hơn. Tài liệu sản phẩm của Swimlane mô tả các tác nhân hiện có phục vụ việc tiếp nhận dữ liệu, tạo kịch bản vận hành, trực quan hóa và điều tra, cũng như khả năng chọn mô hình cho từng tác nhân. Khả năng xây dựng ứng dụng mở rộng sự hỗ trợ đó sang không gian làm việc vận hành phục vụ các tác vụ này.

Kết hợp khả năng suy luận của AI với tự động hóa có thể dự đoán

Những bổ sung này được tích hợp vào mô hình định tuyến của Swimlane AI SOC, mô hình phân luồng công việc giữa tự động hóa tất định, điều tra có AI hỗ trợ và điều tra hoàn toàn do tác nhân AI thực hiện, tùy theo mức độ suy luận cần thiết. Các kịch bản vận hành hiện có có thể xử lý những bước quen thuộc, trong khi các vụ việc phức tạp hơn có thể dựa vào hoạt động điều tra của tác nhân AI và sự rà soát của con người.

Đây là một phần quan trọng trong thiết kế sản phẩm: quy trình làm việc không nhất thiết phải đưa mọi tác vụ qua một mô hình. Một chuỗi ứng phó đã biết có thể tiếp tục được xử lý bằng hình thức tự động hóa thông thường, trong khi tác nhân hỗ trợ diễn giải bằng chứng chưa quen thuộc hoặc xây dựng kế hoạch điều tra.

Khả năng phát hiện do khách hàng tự định nghĩa bổ sung một quyết định sớm hơn vào mô hình vận hành đó: ngay từ đầu, điều gì sẽ kích hoạt quy trình? Đối với các nhóm bảo mật đang triển khai AI trên toàn tổ chức, bản phát hành tháng 10 mang đến một cách kết nối hiểu biết riêng của họ về hành vi được chấp nhận với các công cụ điều tra và ứng phó khi hoạt động nằm ngoài giới hạn đó.