Swimlane获评 Frost & Sullivan AI安全运营中心雷达报告中的远见领袖

Swimlane于2026年11月12日宣布，Frost & Sullivan在针对AI安全运营中心（AI SOC）平台的2026年 Frost Radar报告中将其评为远见领袖，其创新和增长得分分别为4.45分和4.30分（满分均为5分）。

据Swimlane公司网站发布的报告摘要，Frost & Sullivan独立评估了60多家AI SOC供应商，并选出24家在增长和创新方面领先的企业。整个市场有80多家供应商；远见领袖类别旨在表彰兼具创新能力、增长表现和行业影响力的公司。

Frost & Sullivan行业负责人Lucas Ferreyra表示，这一排名反映了Swimlane在设计上不依赖特定供应商、覆盖范围广、具备可审计性，以及将智能体与自动化相结合等特点。当前，安全团队面临技能短缺和告警疲劳，评估也正是在这一背景下进行；这些团队正在将关注重点从告警分流扩展到协调式检测、调查和响应。

混合式调查模式如何运作

Swimlane表示，其由Hero AI驱动的AI SOC能够自主调查并解决已知和新型事件，但须遵循各客户配置的审批关卡。其覆盖范围涵盖16个安全和IT领域，包括终端、云、身份、电子邮件、威胁情报、运营技术和联网设备、安全信息与事件管理（SIEM），以及漏洞管理。

在所述工作流程中，智能体会查询SIEM平台、云服务、本地数据湖和运营数据存储中的数据，而不要求客户复制这些记录。相关证据会被提取到调查记录中，客户则决定Swimlane存储哪些内容以及存储多久。Hero AI会映射这些数据来源，并利用威胁情报、组织背景、调查历史，以及MITRE ATT&CK和D3FEND安全框架的信息丰富告警。

据Swimlane介绍，在该平台中，深度智能体负责复杂推理，专家智能体则处理专门任务。客户可根据任务复杂度和成本选择模型提供商及部署位置。调查与响应智能体会生成计划，分析师可以审查或覆盖这些计划；Hero AI则可执行这些计划，或将其转化为确定性剧本，即用于重复性工作的固定自动化流程。这种分工将自适应推理用于新型威胁，并以可预测、成本较低的执行方式处理重复活动。

该公司报告称，一家每天处理约180起威胁的医疗保健客户采用这种混合模式后，调查成本最高降低了90%；这一结果仅适用于该客户，并非整个平台的平均水平。

治理覆盖模型、数据和操作

Swimlane表示，每一次大型语言模型交互和智能体操作都可接受审计。智能体拥有受治理的身份，并受到基于角色的访问控制和生命周期控制；数据及连接器则按租户隔离。客户可为模型提供商、部署位置、自主程度、知识访问和确定性执行设定边界，从而限制系统在未经批准时可执行的操作。

报告建议的实践涵盖安全运营的全生命周期、内嵌式治理与人工监督，以及能够产生可衡量成果的开放集成；报告还指出，第三方集成对Swimlane至关重要。客户可通过自行构建智能体和自然语言自动化扩展平台，多租户架构和灵活部署则使平台能够适应不同的运营环境。这种做法旨在补充现有安全投资，而非要求全面替换平台。

Swimlane表示，其客户报告称，第一年的投资回报率达到240%，平均响应时间缩短了75%；平均响应时间是指对事件作出响应所需的平均时长。

托管服务提供商拓展这一模式

Swimlane表示，其业务约有一半通过渠道合作伙伴开展，三分之一通过托管安全服务提供商（MSSP）开展。2026年7月推出的一项面向MSSP的服务新增了跨租户威胁情报、中央指挥中心、标准化客户入驻流程，以及支持ServiceNow和Jira集成的组合分析功能。Frost & Sullivan指出，这一模式让MSSP继续负责终端客户关系、数据和服务交付，因此Swimlane能够服务于这些提供商，而不是与其竞争。

更广泛的意义不止于模型选择。要让智能体推理能力作用于分布式工具，就必须对数据保留、访问权限和响应权限设定可强制执行的限制。Swimlane报告的成本和响应时间成果为这一应用范围提供了运营层面的依据；随着AI SOC平台自主性不断增强，Frost & Sullivan建议的实践则凸显了治理和人工监督的重要性。