Az NVIDIA és CrowdStrike adaptív AI-védelmi rendszert fejlesztett a Nemotron modellekkel

Az NVIDIA és a CrowdStrike együttműködésében egy új, adaptív, AI-alapú kiberbiztonsági rendszert hoztak létre. A fejlesztés során a Nemotron nyílt forráskódú modelleket, a Falcon telemetriát és speciális ügynök-harnesseket kombináltak egy folyamatos, zárt körű támadás-védelmi rendszerben, amely gépi sebességgel működik egy izolált környezetben, az NVIDIA gyorsított számítási infrastruktúráján modellezve. (Nvidia Developer)

A védelmi rendszer hat mechanizmusból áll: séma tudásbázis, telemetriai rögzítés, speciális detektálási szerzőkészítés egy testreszabott Nemotron 3 Super modellel, artefaktum-ellenőrzés, detektálási újrajátszás és független felülvizsgálat. Ezek segítségével megalapozott, tesztelhető detektálásokat hoznak létre. A tesztelt konfigurációban a Nemotron 3 Ultra végezte a védelmi orchestrációt, míg egy utólag betanított Nemotron 3 Super a detektálások generálásáért és javításáért felelt, az NVIDIA NeMo Gym és az NVIDIA NeMo RL használatával a megerősítéses tanuláshoz.

Teljesítmény és tesztek

A háttértesztek során az optimalizált, nyílt modell-folyamat 41,9%-os átlagos detektálási arányt ért el hat ülésen keresztül, ami 2,5-szeres javulást jelentett a kizárólag Nemotron 3 Ultra-t használó alapértelmezett harnesshez képest. Az élő tesztek nyolc korábban ismeretlen támadás ellen kimutatták, hogy a nyílt modellek detektálásainak 45%-az általánosítható volt, szemben a határrendszer 29%-ával. Három nyílt detektálás arany minősítést kapott, és mind a nyolc támadást lefedte, míg a határrendszer detektálásai nem értek el arany státuszt.

A CrowdStrike véleménye

A CrowdStrike szerint a Blue Solano védelmi modelljük pontosabb, mint a tesztelt vezető, szabadalmaztatott határrendszer, miközben 99%-kal alacsonyabb költséggel működik – derül ki a CrowdStrike belső értékeléseiből. A fejlesztők a Nemotron modellek és a speciális ügynök-harnesszek együttműködését vizsgálták, valamint a rendszer telepítését és értékelését.

A hagyományos piros-kék csapatgyakorlatok manuális átadásra támaszkodnak, ami lassítja az iterációkat. Az új, támadás-védelmi ügynökrendszer ezt gépi sebességűvé alakítja, folyamatos tanulási ciklust hozva létre. A rendszer a támadási nyomokat és szenzor-telemetriát használja fel új vagy finomított detektálások létrehozására, amíg a támadó már nem talál életképes útvonalat a modellezett környezetben.

A tesztkörnyezet szanált, természetes nyelvű specifikáció alapján készült, amely az NVIDIA gyorsított számítási infrastruktúráját reprezentálja. Az ügynök-asszisztált munkafolyamat ezt egy izolált célkörnyezetté alakította, amely Falcon platform szenzorokkal volt felszerelve. Az NVIDIA biztonsági szakértői felülvizsgálták a környezetet és a támadási útvonalakat a realisztikusság érdekében.

A jövőbeli lépések között szerepel az NVIDIA Nemotron 3 kipróbálása speciális ügynökök testreszabására és értékelésére, a NeMo Megatron Bridge használata a modellintegrációhoz, a NeMo Gym kipróbálása valós környezetben történő lekérdezések validálására, valamint a NeMo RL használata a megerősítéses tanulás révén történő modellfrissítéshez. A CrowdStrike Blue Solano modellje a belső értékelések alapján 99%-kal alacsonyabb költséggel kínál jobb pontosságot, mint a versenytársak.