Автономный SOC: сокращение времени патчинга на 75% и экономика агентов
Снижение среднего времени устранения критических уязвимостей на 75% знаменует операционный порог, при котором корпоративная безопасность переходит от ручных аудитов к автоматическому разрешению инцидентов. Согласно данным Cogent Security, корпоративные отделы кибербезопасности сталкиваются с лавинообразным объемом уязвимостей, однако их обнаружение больше не является главной проблемой. Узкое место возникает на этапе исправления в сложных системах и распределенных командах, из-за чего бизнес управляет накопившимися бэклогами вместо реального снижения рисков.
Чтобы преодолеть эту операционную пробуксовку, Cogent создает Cyber Defense Factories — фабрики киберзащиты, развертывающие автономных агентов для обнаружения и нейтрализации уязвимостей без задержек, связанных с человеческим фактором. Система связывает модели OpenAI со специфическим техническим контекстом организации, проводя рабочие задачи по инцидентам напрямую от начального расследования до верифицированного устранения. Главный вопрос для руководства заключается в том, способна ли передача рискованных инфраструктурных изменений автономным агентам сократить расходы на безопасность без критических сбоев в работе, особенно с учетом того, что профили корпоративных рисков требуют жесткой верификации перед любым автоматическим вмешательством.
Развертывание автоматизации в действующих корпоративных системах трансформирует юнит-экономику центров управления безопасностью (SOC). Когда устранение брешей занимает недели, организации сталкиваются с длительными окнами уязвимости наряду с высокими затратами на оплату труда. Перенаправление рутинной сортировки и установки патчей в программные пайплайны позволяет корпоративным операциям масштабироваться за пределы физических ограничений персонала, сохраняя скорость защиты на уровне машинных вычислений.
Архитектура затрат и контекста
Масштабирование автономной безопасности напрямую зависит от контроля расходов на вычисления и предотвращения операционных ошибок. Cogent решает эту задачу с помощью Context Engine — графа корпоративных знаний, где детально описаны активы, уязвимости, учетные данные, зависимости и зоны ответственности за системы. Фоновые агенты непрерывно сверяют данные из существующего стека корпоративных инструментов, предоставляя исполнительным агентам постоянную актуальную карту инфраструктуры.
«Нам не приходится заново изучать устройство инфраструктуры при каждом возникновении новой задачи».
Как объясняет сооснователь и технический директор Cogent Генг Снг (Geng Sng), повторное использование этой операционной карты снижает задержки, сокращает затраты на инференс и устраняет противоречивые результаты при выполнении задач безопасности. Cogent создает программный каркас памяти, который не позволяет моделям сжигать циклы инференса на повторный анализ топологии компании при каждом новом оповещении. Рутинные задачи управления уязвимостями распределяются по моделям, в то время как более сложные системы берут на себя общее исполнение и глубокий технический анализ.
Контуры безопасности функционируют детерминированно, за пределами вероятностных моделей. Cogent задает разрешенные действия через Agent Policies, а движок контроля политик TRACE проверяет вызовы инструментов перед их выполнением. Поскольку TRACE валидирует команды детерминированно, без дополнительного вызова модели, архитектура блокирует несанкционированные действия и удерживает стоимость инференса на стабильном уровне. Операции, требующие повышенных привилегий, запускаются в изолированных песочницах либо перенаправляются на авторизацию человеку согласно установленным корпоративным регламентам.
Практические результаты внедрения
Операционные метрики из реальных корпоративных сред наглядно демонстрируют финансовую отдачу и рост пропускной способности при переходе на агентную защиту. Автомобильная компания из списка Fortune 1000 сократила среднее время устранения критических уязвимостей на 75%, а IT-сервисная компания из списка Fortune 500 увеличила пропускную способность сортировки уязвимостей в пять раз благодаря системам Cogent.
«Cogent видит нашу инфраструктуру так же, как злоумышленник. Система выстраивает маршрут от публичного интернета до уязвимого узла и проверяет средства защиты на этом пути. Теперь наши исправления сосредоточены на максимальных рисках и траекториях, которыми мог бы воспользоваться атакующий»,
Виджай Бала (Vijay Bala), глобальный директор по информационной безопасности MarketAxess, подчеркивает: платформа рассчитывает точный маршрут, по которому внешний нарушитель может проникнуть к внутренним активам, позволяя компании направлять инженерные ресурсы исключительно на критические коридоры атак. Помимо коммерческих развертываний, Cogent проводит прикладные исследования с Daybreak и Cyber для тестирования векторов проникновения и защитных возможностей против новых угроз.
Практическая проверка архитектуры состоялась в момент раскрытия критических уязвимостей PHP2Shell в PHP. Клиенты направили развернутые Cyber Defense Factories от Cogent на устранение проблемы. Опираясь на языковые модели, агенты выявили уязвимые системы, составили карту зависимостей приложений, разработали планы исправлений в рамках заданных операционных лимитов и применили согласованные патчи без затягивания административных процедур.
Автономное устранение угроз доказывает, что жизнеспособная кибербезопасность строится на объединении многоуровневого инференса с детерминированными ограничениями. Исключение человека как узкого горлышка из циклов патчинга системно сокращает время нахождения инфраструктуры под угрозой. Эффективная защита требует программных фабрик, способных вносить реальные исправления, а не просто генерировать очередные предупреждающие отчеты.
Как это выглядит рядом
Риски дорогостоящих простоев из-за ручных согласований уходят в прошлое, когда исправление уязвимостей доверяют автономным пайплайнам вместо раздувания штата дежурных инженеров. Решение Cogent Security отсекает лишние траты на инференс благодаря графу Context Engine и жесткому движку TRACE, проверяющему действия агентов без повторного дергания нейросетей. По сути, граница между людьми и алгоритмами теперь проходит по праву на ошибку в проде: рутину вроде фоновой сортировки забирает машина, а привилегированные вмешательства остаются за человеком в изолированных песочницах. Хватит ли жестких рамок TRACE и фонового графа активов, чтобы не пустить агента с правами на исправление в закрытый контур критической инфраструктуры при первом же нетипичном инциденте?
Источник: OpenAI Blog