CrowdStrike SafeMind、レッド・ブルーのエージェント閉ループで検知ルールを生成・リプレイ、評価は依然として提携企業主導

SafeMindは、セキュリティエージェントを「アラートを読み取って提案する」段階から、反復検証可能な攻防ループへと進化させる。Red Tempestが隔離環境で攻撃経路を選択して実行し、Falconセンサーが操作とテレメトリを記録する。その後、Blue Solanoがインシデントを再構築し、既存ルールでカバーされていない箇所を特定して、新たな検知ルール候補を生成する。ルールが検証を通過すると、独立したseedを使用する別の攻撃実行がその回避を再度試み、その結果が次のレッド・ブルー対抗ラウンドに戻される。

防御側は、単一のモデルだけですべての作業を完結させるわけではない。NVIDIAが公開した構成では、Nemotron 3 Ultraが長時間にわたるワークフローのオーケストレーションを担い、post-training済みのNemotron 3 Superが、制約付きのルール生成・修復スペシャリストとして機能する。harnessは同時に、Falcon schemaの照会、攻撃テレメトリによるgrounding、構文とフィールドのlint、過去のテレメトリのreplay、さらに新規コンテキストを与えられた独立judgeを提供する。特定のホスト、IP、ユーザー、サブネットを示す文字列は拒否されるため、モデルはより汎化可能な振る舞いシグナルへとルールを書き換えるよう促される。

NVIDIAの技術テストによると、このオープンモデル・パイプラインは6つのsessionで平均41.9%の検知率を記録し、デフォルトのharnessのみを組み合わせたNemotron 3 Ultraの2.5倍に達した。また、未見の8種類の攻撃に対しては、オープンモデルが生成したルールの45%が汎化できたのに対し、フロンティアモデル・システムでは29%だった。CrowdStrikeは別途、完全版SafeMindについて、同社が選定したフロンティアモデルおよびオープンソースのベースラインと比べ、検知率が29%高く、エンドツーエンドの修復が6倍速く、コストが99%低いと主張している。

エンジニアリングチームにとって参考にすべきなのは、単一のランキング数値ではなく、「生成後に決定論的チェック、テレメトリのリプレイ、独立レビューを必須とする」というアーキテクチャだ。現時点では、すべての数値が提携企業から提供されたものであり、ベースラインの名称、攻撃データセット、誤検知率、統計区間、コスト計算の完全な分母は開示されていない。デジタルツインも、実際の企業環境を必ずしも反映するとは限らない。Standaloneモデルとharnessについては、信頼されたProject QuiltWorksを通じた提供しか確約されていないため、外部での再現性と実運用上の自律権限が、今後の重要な検証ポイントとなる。