SafeMind سامانه عامل‌محور تازه‌ای است که کراداسترایک روز ۱ سپتامبر ۲۰۲۶ از آستین تگزاس و سالن Fal.Con در لاس‌وگاس معرفی کرد. این خانواده مدل‌ها و مهاربندهای امنیتی را آزمایشگاه Cyber Superintelligence همین شرکت ساخته است. قرار است بومی داخل پلتفرم CrowdStrike Falcon کار کند و دسترسی مستقل به مدل‌ها و مهاربندها از مسیر Project QuiltWorks فراهم شود.
جنسن هوانگ، بنیان‌گذار و مدیرعامل انویدیا، کنار جورج کورتز روی صحنه آمد و گفت امنیت سایبری به نقطه عطف رسیده است: حملات خودکار شده‌اند و دفاع هم باید خودکار شود. به گفته او SafeMind آغاز عصر تازه‌ای از امنیت سایبری است؛ مهاجمان مسلح‌تر می‌شوند و مدافعان هم ابزار قوی‌تری می‌گیرند. جمعیت سالن حدود ۱۰ هزار متخصص امنیت برآورد شده بود.
طبق بیانیه رسمی، برخلاف مدل‌های عمومی مرز، SafeMind یک سامانه یکپارچه است: مدل تهاجمی مسیر حمله را پیدا می‌کند، مدل دفاعی آن را می‌بندد و مهاربندها هر دو را در یک حلقه نگه می‌دارند. داده آموزش از تلمتری حسگرهای Falcon، اطلاعات تهدید، حاشیه‌نویسی رویدادهای Falcon Complete MDR و پانزده سال کار میدانی پاسخ به حادثه می‌آید.
Red Tempest و Blue Solano چه کار می‌کنند؟
در نسخه اول دو مدل جدا عرضه شده‌اند. Red Tempest مدل تیم قرمز است و برای سناریوهای پیشرفته حمله و شبیه‌سازی مهاجم هوش مصنوعی ساخته شده. Blue Solano مدل تیم آبی است و برای محافظت از دارایی سازمانی با تدابیری که مدافعان در دنیای واقعی به کار می‌برند طراحی شده. کراداسترایک این مدل‌ها را با مدل‌های باز NVIDIA Nemotron و همکاری انویدیا به‌عنوان شریک طراحی هوش مصنوعی ساخته است. زیرساخت آموزش و استنتاج را CoreWeave AI Cloud تأمین می‌کند.
کورتز در بیانیه گفت آینده امنیت سایبری را هوش مصنوعی‌ای تعریف می‌کند که تهدید را شکست می‌دهد، نه فقط شناسایی. SafeMind ضعف را پیدا می‌کند، حفاظت را سخت‌تر می‌کند و با هر چرخه باهوش‌تر می‌شود. هوانگ هم نوشت دفاع سایبری یکی از پرمصرف‌ترین کاربردهای رایانش هوش مصنوعی خواهد بود و SafeMind با Nemotron باز، داده امنیتی کراداسترایک و مهاربند اختصاصی، پشته‌ای عامل‌محور می‌سازد که با سرعت ماشین کار کند.
ارزیابی داخلی: تشخیص ۲۹ درصد بالاتر
کراداسترایک در همان بیانیه نتیجه ارزیابی داخلی را کنار مدل‌های مرز و پایه‌های متن‌باز گذاشت: نرخ تشخیص ۲۹ درصد بالاتر، ترمیم سرتاسری ۶ برابر سریع‌تر و صرفه‌جویی ۹۹ درصدی در هزینه تشخیص و ترمیم. وبلاگ رسمی انویدیا هم نوشته مدل Blue Solano بر پایه Nemotron 3 Super در ارزیابی داخلی دقت بالاتری از مدل‌های مرز پیشرو داشته و هزینه را ۹۹ درصد پایین‌تر آورده است. در این معماری، Nemotron 3 Ultra مهاربند عامل دفاعی را هماهنگ می‌کند و نسخه تنظیم‌شده Nemotron 3 Super زیرعامل تولید قاعده را پیش می‌برد.
وبلاگ انویدیا دو رقم دیگر هم از کراداسترایک نقل کرده است: حملات مبتنی بر هوش مصنوعی در سال گذشته ۸۹ درصد رشد کرده و سریع‌ترین زمان خروج eCrime به ۲۷ ثانیه رسیده است. در این مقیاس، پاسخ با سرعت انسان دیگر دفاع نیست؛ مستندسازی است. هوانگ تأکید کرد Nemotron برای همین ساخته شده که بتوان آن را روی داده دامنه، بدون فرستادن داده به ارائه‌دهنده بسته، پس‌آموزش داد.
انویدیا SafeMind را روی دوقلوی دیجیتال زیرساخت رایانش شتاب‌یافته خودش هم آزموده است. حلقه تهاجمی-دفاعی در این محیط کار می‌کند: عامل قرمز مسیر را پیدا می‌کند، عامل آبی آن را می‌بندد و یافته‌ها به تشخیص قابل‌اقدام تبدیل می‌شود. دکتر بارتلی ریچاردسون، مسئول هوش مصنوعی و سامانه‌های خودمختار کراداسترایک، گفت این شرکت کل پشته را از حسگر تا مهاربند و مدل در اختیار دارد.
کراداسترایک در همان رویداد Falcon IQ را هم معرفی کرد. مدل‌های Nemotron موتور عامل‌محور پلتفرم بدون‌کد Charlotte AI AgentWorks را تغذیه می‌کنند؛ جایی که Falcon IQ اجرا می‌شود. این سامانه بیش از ۵۰ عامل را به‌صورت نیروی کاری واحد برای ارزیابی، اولویت‌بندی و ترمیم به کار می‌گیرد.
به نظر شما مدل تخصصی امنیت که روی داده حسگر خود شرکت آموزش دیده، برای تیم SOC شما جایگزین مدل عمومی می‌شود یا فقط لایه کمکی می‌ماند؟
