От экспериментов в области искусственного интеллекта к автономным операциям
– Кристоф Бриге, старший директор по управлению продуктами в области искусственного интеллекта и аналитики безопасности, Stellar Cyber
Сан-Хосе, Калифорния – 28 апреля 2026 г.
В начале 2026 года что-то изменилось. Не постепенно, а скорее по щелчку выключателя.
В течение многих лет мы говорили об искусственном интеллекте в SOC Как мы говорили о беспилотных автомобилях: всегда пять лет до этого, всегда нужно «еще немного данных». Затем появился MCP (Model Context Protocol). Затем агентные фреймворки перестали быть демонстрациями и стали инструментами. И внезапно вопрос стал не «может ли ИИ помочь командам безопасности?», а «что мы должны позволить ему делать в первую очередь?»
Я знаю это, потому что сам им управляю.
Агентский прорыв, которого никто не ожидал.
Вот что изменилось: агенты с искусственным интеллектом перестали быть чат-ботами с доступом к API и стали настоящими коллегами, которые помнят вчерашний день, умеют пользоваться вашими инструментами и могут самостоятельно совершать звонки.
MCP, первоначально разработанный Anthropic, а теперь находящийся под управлением Linux Foundation, предоставил нам то, чего у нас раньше не было: универсальный способ подключения агентов ИИ к реальным системам. Не через ненадежные интеграции или собственный код. А через стандартизированный протокол, который позволяет любому агенту ИИ взаимодействовать с любым инструментом, любым API, любой платформой. Представьте это как USB для ИИ: подключите новую функцию, и агент просто будет ее использовать.
At Звездный киберМы добавили поддержку MCP в нашу платформу. Теперь агент ИИ может подключиться к экземпляру Stellar Cyber и немедленно получить доступ к управлению делами: список дел, получение полной информации о расследовании с сопоставлением MITRE и наблюдаемыми данными, обновление статуса, назначение аналитиков. Один вызов API возвращает то, что раньше требовало восьми кликов и трех вкладок.
Но MCP — это всего лишь соединительный элемент. Настоящий прорыв заключается в том, что лежит в его основе: агентный ИИ, который запоминает контекст, планирует многоэтапные рабочие процессы и действует от вашего имени между сеансами.
Что я узнал, управляя ИИ-агентом в течение недели
- Написал два письма клиентам о возможностях новых функций. Взял контекст из переписки из 10 сообщений, сопоставил его с базой знаний, правильно изложил технические детали.
- Создал тикет в Jira. Дважды неправильно указал необходимые поля, разобрался с API, и с третьей попытки всё получилось.
- Проверила расписание каждого из четырех человек и назначила встречу. Нашла единственное свободное время в среду утром.
- Проанализировал документ с описанием процесса в Confluence и соответствующую доску Figma. Обнаружил пять пробелов, которые никто не заметил.
- За один звонок обработали 30 000 дел с нашего сервера Stellar Cyber MCP. Полное сопоставление с MITRE, наблюдаемые данные, всё как положено.
- Настроил cron-задание для отслеживания новых заявок в Google Forms, автоматического создания заявок и оповещения меня о поступлении новых данных. Никакого кода. Заняло около десяти минут.
Другая сторона этого
Вот тут-то и начинается самое неприятное. Всё, что я только что описал? Противники тоже могут это делать.
Если ИИ-агент может подключиться к вашей системе обработки заявок, прочитать ваши заявки на эскалацию, сопоставить их с вашей базой знаний и понять ваши пробелы в обнаружении угроз? Это бесплатный план действий по устранению всех ваших слабых мест в защите. Те же самые возможности агента, которые делают защитников быстрее, также делают злоумышленников более систематичными.
MCP — это палка о двух концах. CrowdStrike Уже опубликованы исследования по обеспечению безопасности развертывания агентного ИИ от внедрения вредоносного кода и повышения привилегий. Поверхность атаки не теоретическая. Это те же самые точки интеграции, которые делают агентов полезными.
Изменение ландшафта угроз заключается в следующем: преимущество в скорости, которое SOC Команды, ранее использовавшие запрограммированные атаки, исчезают. Противники, использующие агентные инструменты, теперь могут:
- Проведите инвентаризацию вашей среды быстрее, чем ваши аналитики смогут сортировать оповещения.
- Создавайте контент, связанный с социальной инженерией, который учитывает контекст вашей организации.
- Автоматизируйте решения о горизонтальном перемещении так же, как мы автоматизируем решения по сортировке пациентов.
- Адаптируйте тактику в режиме реального времени, основываясь на том, что работает.
Много возможностей для автоматизации
1. Оповещения и сортировка случаев на машинной скорости.
Это очевидный случай, и именно здесь уже работает функция автоматической сортировки оповещений Stellar Cyber. Агент проводит проверку сигналов для каждого критического случая: репутация IP-адреса, поведенческие аномалии, взаимосвязи между объектами и уязвимость устройства. Затем он выносит вердикт: истинно положительный, безобидный, ложноположительный или неопределенный.
Новым является механизм обратной связи. Когда аналитик отменяет вердикт, это изменение становится сигналом для обучения. Не в расплывчатом смысле «мы переобучим модель когда-нибудь», а в смысле «в следующий раз, когда этот шаблон появится, система оценит ваше суждение». Tesla FSD учится на ошибках, с которыми сталкиваются люди. То же самое делает и эта система.
Расширенные возможности агента: теперь агент, подключенный к MCP, может получать подробную информацию о деле, сопоставлять ее с внешней информацией об угрозах, проверять исторические заключения по аналогичным схемам и принимать решение о сортировке с полной объяснимостью, без необходимости человеку переключаться между пятью вкладками.
2. Автоматизация приема и адаптации новых сотрудников
Запросы поступают через форму. Раньше кто-то читал отправленное сообщение, создавал заявку на отслеживание, проверял необходимые условия и отправлял подтверждающее письмо. Четыре системы, три переключения контекста, один человек, занимающийся ручным вводом данных.
Агент отслеживает источник входящих запросов по расписанию. При появлении новой записи он создает заявку с полным структурированным описанием, записывает ссылку обратно в источник и отправляет уведомление с кратким обзором. Никаких ручных действий.
Разблокировка агента: Этот шаблон применим к любому процессу приема запросов. Запросы на пробную версию. Запросы на соответствие требованиям. Раскрытие информации об уязвимостях. Маршрутизация эскалации запросов клиентов. Любой рабочий процесс, включающий «чтение из источника A, создание в системе B, уведомление по каналу C», является подходящим вариантом.
3. Петля обратной связи качества обнаружения
Вот что меня больше всего волнует. У поставщиков решений в области безопасности накапливаются огромные очереди заявок типа «этот метод обнаружения работает неправильно». Описания часто бывают невнятными. Контекст скрыт в переписке по электронной почте и в заявках в службу поддержки. Специалисту, занимающемуся сортировкой заявок, необходимы глубокие знания продукта, чтобы даже понять суть запроса.
Искусственный интеллект, имеющий доступ к вашей системе обработки заявок, базе знаний и платформе безопасности, может прочитать заявку об обнаружении ошибки, извлечь фактические данные оповещения, сопоставить их с документацией и составить четкое резюме: «Это ложное срабатывание, вызванное совпадением подстроки в правиле X. Автор заявки предложил решение. Вот исправленный запрос».
Удобство использования агента: подключите агента к среде формирования отчетов (с соответствующими правами) через MCP, и он сможет проверить заявленную проблему на основе реальных данных. Больше никаких вопросов типа «можете прислать скриншот?». Больше никаких трехнедельных переписок. Агент видит то, что видит заявитель.
4. Соединение точек между различными инструментами
Задача руководителя отдела оперативной безопасности — связывать воедино разрозненные элементы различных систем. Переписка по электронной почте о взаимодействии с партнером, заявка о выявленной уязвимости, страница в вики о процессе, проектная доска о рабочем процессе, ценообразование в обсуждении продаж — все это хранится в разных инструментах без автоматической корреляции.
Искусственный интеллект обрабатывает все эти данные. Спросите его: «Каков статус пробного проекта этого партнера?», и он проанализирует переписку по электронной почте, проверит отслеживание заявки, прочтет форму заявки и сформулирует единый ответ. Никакого переключения вкладок. Никаких «дайте мне проверить».
Разблокировка через агента: вот где MCP проявляет себя во всей красе. Каждая система является сервером MCP. Агенту все равно, находятся ли данные в электронной почте, Jira или Stellar Cyber. Он использует один и тот же протокол для связи со всеми ними.
5. Проактивный мониторинг без усталости от постоянных напоминаний.
Традиционный подход к мониторингу сводится либо к «постоянной проверке всего» (дорого, шумно), либо к «ожиданию, пока кто-нибудь это заметит» (медленно, рискованно). ИИ-агенты предлагают третий путь: плановые, интеллектуальные проверки с оценкой на уровне человека относительно того, что стоит эскалировать.
Мой агент периодически проверяет каналы связи, но он не просто сообщает: «У вас 15 непрочитанных сообщений». Он классифицирует сообщения по срочности, определяет задачи, отфильтровывает лишнюю информацию и оповещает меня только тогда, когда что-то действительно требует внимания. Тот же принцип применяется и к мониторингу безопасности: проверка очередей обращений, выявление аномалий в покрытии обнаружения, мониторинг нарушений SLA. И молчание, когда всё в порядке.
Возможности автоматизации с помощью агентов: запланированные запуски агентов с оптимизацией на уровне модели. Используйте более лёгкую модель для рутинных проверок, переключайтесь на более мощную модель, когда ситуация требует принятия решения. Автоматизация с учётом затрат.
6. Документирование и сбор знаний
Группы специалистов по безопасности генерируют огромные объемы институциональных знаний, которые никогда не документируются. Аналитик, знающий, что записи в журналах конкретного производителя межсетевого экрана ведут себя не так, как ожидалось? Эти знания остаются у него в голове до самого ухода.
ИИ-агенты способны фиксировать и структурировать эти знания в режиме реального времени. Каждая обработка заявки, каждое взаимодействие, каждое решение становятся структурированной записью в постоянно обновляемой базе знаний. Агент ведет ежедневные заметки, обновляет свою долговременную память полученными данными и сопоставляет новую информацию с уже имеющимися у него знаниями.
Разблокировка агента: чем больше работает агент, тем больше он знает. Агент, обработавший партию заявок на обнаружение, теперь понимает особенности журналов, специфичные для конкретного поставщика, крайние случаи интеграции и пробелы в корреляции идентификаторов. В следующий раз, когда поступит связанная заявка, он начнет с этой базы, а не с нуля.
Что это значит для групп безопасности
Последнее десятилетие индустрия безопасности посвятила разработке систем обнаружения. Следующее десятилетие будет посвящено принятию решений. Кто решает, что реально? Кто решает, что с этим делать? И как быстро можно принимать эти решения?
Искусственный интеллект, управляемый агентами, не заменяет аналитика. Он дает аналитику рычаги влияния. Тот же аналитик, который вручную сортировал 20 дел в день, теперь может просмотреть 200 дел, обработанных агентами, сосредоточив свои знания там, где это действительно важно: в нестандартных ситуациях, при новых атаках, при принятии решений, которые машины пока не могут принять.
Поставщики, которые до сих пор прячутся за закрытыми API и одноразовыми сводками ИИ, останутся позади. Победят те платформы, которые откроют свои API через протоколы, такие как MCP, создадут циклы обратной связи, которые действительно учатся на решениях людей, и будут рассматривать автоматизацию ИИ как продукт с показателями точности, контролем затрат и механизмами управления.
Мы разрабатываем это в Stellar Cyber. Сервер MCP запущен. Система автоматической сортировки оповещений находится в рабочем режиме. И у меня есть ИИ-агент, который только что написал этот пост в блоге.
Ну, большую часть.
