Мой блог
Платформа Swimlane Turbine получила пользовательские детекции угроз и двусторонний MCP
Платформа автоматизации безопасности Swimlane Turbine пополнилась набором новых функций, среди которых выделяются пользовательские правила обнаружения инцидентов. Разработчики расширили возможности системы, внедрив двустороннюю поддержку протокола Model Context Protocol, а также специального агента для создания приложений Hero AI Application Builder Agent. Обновление направлено на улучшение контроля за современными инфраструктурами и защиту ИИ-систем.
Платформа дополняет существующие средства мониторинга, включая SIEM, EDR и облачные защитные решения, позволяя специалистам по информационной безопасности самостоятельно определять логику фиксации подозрительной активности.
Управление правилами и формирование оповещений
Большинство продуктов для центров мониторинга безопасности с использованием искусственного интеллекта ориентированы на триаж, расследование и реагирование уже после того, как сторонний инструмент выявил аномалию. Однако стремительное внедрение локальных моделей, коупилотов и вспомогательных агентов усложняет этот процесс. Компании могут столкнуться с утечкой конфиденциальных данных через неавторизованные ИИ-сервисы, отключением защитных барьеров или превышением лимитов ресурсов. Подобные сценарии зависят от внутренней политики организации и редко поддаются универсальной стандартизации.
Обновление платформы позволяет применять собственную логику детекции к имеющимся в распоряжении данным. Архитектура обработки больших данных способна оценивать десятки тысяч записей на параллельных вычислительных узлах и передавать сгенерированные предупреждения в систему искусственного интеллекта для дальнейшего расследования. Генеральный директор компании Коди Корнелл отмечает, что отрасль долгое время концентрировалась на автономной работе с готовыми оповещениями, упуская из виду вопрос об их первоисточнике. Кроме того, пользователи могут задействовать текстовые запросы для создания правил детекции с помощью встроенных средств генерации сценариев.
ИИ-системы как объекты инцидентов безопасности
Такой подход в Swimlane называют концепцией AIDR, когда объектом инцидента становится сама искусственная система. Классическим примером здесь выступает промпт-инъекция, при которой агент сталкивается с вредоносными инструкциями внутри обрабатываемого контента. Расследование в данном случае требует анализа входящих данных, активности инструментов и последующих действий модели, а не просто поиска традиционных признаков вредоносного ПО.
Внезапный рост затрат на обработку запросов также может свидетельствовать о сбое в работе агента. Пользовательские правила позволяют задавать критерии нормального поведения для конкретной корпоративной среды. Хотя заявленная скорость обработки больших массивов данных является внутренней характеристикой системы, практическим результатом обновления становится появление дополнительного маршрута для превращения внутренних наблюдений в структурированные кейсы.
Двусторонняя поддержка Model Context Protocol: Интеграция в качестве хоста и сервера
Протокол Model Context Protocol обеспечивает единый интерфейс взаимодействия между ИИ-приложениями и внешними инструментами. Обновление платформы реализует интеграцию сразу с двух сторон соединения.
В роли хоста платформа позволяет фирменному агенту подключаться к сторонним MCP-серверам и использовать их инструменты во время расследований под управлением централизованной аутентификации. В качестве сервера система предоставляет управляемую автоматизацию для внешних ИИ-клиентов. В качестве таких клиентов могут выступать популярные ассистенты, включая Claude, ChatGPT, Cursor, Gemini CLI и Microsoft Copilot, получающие доступ к многошаговым сценариям в рамках действующих политик контроля доступа.
Подобная двунаправленность позволяет предприятиям повторно использовать уже имеющиеся автоматизированные процессы, не перестраивая всю инфраструктуру под каждый отдельный ИИ-инструмент. Платформа поддерживает совместное использование протокола и стандартных API, что упрощает внедрение в смешанных средах.
Разработка приложений с участием человека
Для настройки структур данных, макетов и рабочих процессов в новых сценариях безопасности предназначен агент Hero AI Application Builder Agent. Пользователи могут описывать необходимые параметры на естественном языке, после чего система формирует или изменяет соответствующее приложение.
Все изменения до их сохранения требуют обязательного подтверждения человеком. Интерфейс подсвечивает внесенные правки, позволяя оператору принять или отклонить их, что гарантирует контроль над тем, как именно собираются доказательства и обрабатываются кейсы.
Маршрутизация задач и комбинированная автоматизация
Новые возможности интегрируются в общую модель маршрутизации рабочих процессов, которая распределяет задачи между детерминированной автоматизацией, расследованиями с участием искусственного интеллекта и полноценными агентскими сценариями в зависимости от требуемого уровня аналитики.
Система проектируется таким образом, чтобы не направлять каждую рутинную операцию через языковую модель. Известные последовательности реагирования выполняются стандартными методами, тогда как алгоритмы ИИ подключаются для интерпретации неочевидных свидетельств или построения планов расследования, обеспечивая баланс между гибкостью и предсказуемостью.
