NVIDIA Nemotron baut adaptives KI-Sicherheitssystem auf

NVIDIA und CrowdStrike haben gemeinsam ein autonomes, KI-gestütztes Agentic-Sicherheitssystem evaluiert, das offensive und defensive Maßnahmen in einem geschlossenen, maschinell beschleunigten Kreislauf vereint. Das System zielt darauf ab, traditionelle, manuell getriebene Red-Team-Blue-Team-Übungen durch einen kontinuierlichen Feedback-Loop zu ersetzen, der Angriffsvektoren permanent gegen adaptive Abwehrmechanismen testet. Im Kern nutzt die Plattform CrowdStrike SafeMind, eingebettet in isolierte, durch Falcon-Sensoren instrumentierte Testumgebungen, die NVIDIA-Berechnungsinfrastruktur nachbilden. Die Architektur trennt klar zwischen Orchestrierung und spezialisierter Aufgabenerledigung: Das posttrainierte Nemotron 3 Ultra steuert den Workflow, plant Detection-Schritte und ruft Tools auf, während ein feingetuntes Nemotron 3 Super-Modell (NL2LogScale) als gebundener Experte für die Generierung und Reparatur von Detection-Regeln zuständig ist. Ein speziell adaptierter Agent-Harness unterstützt diesen Prozess durch Schema-Validierung, Telemetrie-Verankerung, automatisierte Linting-Checks, Detection-Replay und unabhängige Qualitätsprüfungen, um Halluzinationen und ungültige Abfragen auszuschließen. Die Validierung umfasste ein Backtesting gegen aufgezeichnete Angriffsszenarien sowie ein Live-Fire-Testing mit acht unvorhergesehenen Angriffen derselben Kategorie. Während eine konfigurationslose Basis um durchschnittlich 16,5 Prozent der Angriffe erkannte, stieg die Trefferquote durch die optimierte Open-Source-Konfiguration auf 41,9 Prozent, was einer Verbesserung um das 2,5-Fache entspricht. Im Live-Fire-Test erwies sich das optimierte Open-Modell-Pipeline als überlegen: Sie erzielte eine höhere Generalisierungsfähigkeit, generierte durchschnittlich 2,6 gültige Detektionen pro Ausführung gegenüber 1,1 beim führenden proprietären System und lieferte zudem alle als Gold-Standard bewerteten Detektionen, die sämtliche acht Live-Angriffe abdeckten. Interne Evaluierungen von CrowdStrike zeigen zudem, dass das defensive Blue-Solano-Modell bei 97 Prozent niedrigeren Kosten um 13 Prozent genauer ist als das geprüfte proprietäre Front-Modell. Die Ergebnisse unterstreichen ein neues Paradigma für die Cybersicherheit: Die Kopplung eines reasoning-basierten Orchestrators mit posttrainierten, domänenspezifischen Open-Modellen und rigoroser Validierungsharness ermöglicht eine skalierbare, lernende Verteidigung ohne manuelle Engpässe. CrowdStrike integriert diesen Ansatz fortlaufend in SafeMind, während NVIDIA die zugrundeliegenden NeMo-Tools zur Anpassung spezialisierter Agenten für weitere begrenzte Domänen bereitstellt. Die Studie markiert einen wesentlichen Schritt hin zu autonomer, sich selbst optimierender Bedrohungsjagd und legt den Grundstein für KI-gestützte Sicherheitsarchitekturen, die Angriffsverhaltensmuster kontinuierlich antizipieren und abblocken.