CrowdStrike SafeMind 讓 AI 互相攻防:紅藍雙模型在封閉迴圈中自動找漏洞、自動修補
CrowdStrike 在 Fal.Con 2026 發表 SafeMind —— Red Tempest 攻擊你環境的數位孿生,Blue Solano 負責修補,循環反覆直到沒有攻擊路徑為止。官方數據:偵測率提升 29%、修補速度加快 6 倍、成本節省 99%。
過去二十年,資安營運中心依賴一個殘酷的指標生存:breakout time(突破時間)——攻擊者從初步立足點推進到橫向移動所需的分鐘數。CrowdStrike 追蹤這個數字多年,執行長 George Kurtz 每年在 Fal.Con 舞台上宣布它的遞減,像一場倒數計時:兩分鐘、然後 72 秒、然後 30 秒。而本週在拉斯維加斯的 Fal.Con 2026 上,Kurtz 實質上宣布這個時鐘已經死亡。用 theCUBE 分析師 Dave Vellante 轉述講者的說法:「就是 runtime。已經沒有 breakout time 了。」
本週一亮相的業界解答叫做自主紅隊(autonomous red teaming),而 CrowdStrike 的版本名為 SafeMind——一系列來自新成立的 Cyber Superintelligence Lab(網路超級智慧實驗室)、專為資安打造的安全模型與代理框架。
兩個模型,一個迴圈
SafeMind 不是又一個掛在 SIEM 上的聊天機器人。它是一個雙模型的 agentic 系統,核心設計刻意走向對抗:
- Red Tempest——攻擊方紅隊模型,用於進階攻擊情境,模擬 AI 對手、探測攻擊路徑。
- Blue Solano——防守方藍隊模型,部署防護人員在實戰中驗證過的措施來保護企業資產。
兩者在封閉迴圈中運作。Red Tempest 攻擊的是顧客真實環境的數位孿生(digital twin)——建構在 NVIDIA 的模擬技術之中——搜尋可被利用的路徑。一旦找到,Blue Solano 就予以修補。然後循環重複:攻擊、修補、攻擊、修補,直到沒有任何攻擊路徑殘留。每一次迭代都讓兩個模型更銳利,這正是重點所在:用 Kurtz 的話說,系統「每個循環都變得更聰明」,推進「以機器速度阻止資安破口」的使命。
讓這個飛輪轉起來需要三種輸入,而三種全都是 CrowdStrike 的專屬資產。模型訓練於 Falcon 感測器遙測資料(該公司形容為全球最大的純資安資料集與邊緣安裝基礎),加上威脅情資與 Falcon Complete MDR 事件標註,最後是十五年的事件響應實戰紀錄——人類響應人員在第一線阻止破口的現場經驗。最後這份語料就是護城河:通用前沿模型只是「讀過」攻擊;Red Tempest 是讀著攻擊驗屍報告長大的。
NVIDIA 與 CoreWeave 的角色
模型本身以 NVIDIA Nemotron 開源模型為基礎打造,NVIDIA 擔任 CrowdStrike 的 AI 設計夥伴——這項合作延續了雙方 2026 年 3 月在 agentic MDR 上的共同努力。訓練與推論運行於 CoreWeave 的 AI 雲之上,這個選擇本身就說明了持續對抗式模擬預期將有多吃運算資源。NVIDIA 執行長黃仁勳直言,網路防禦將成為「AI 最耗運算的應用之一」。
一個重要的架構細節:SafeMind 的框架在防守端是模型無關(model-agnostic)的。它們可以與前沿模型與開源模型協作,CrowdStrike 將此定位為在維持成本控制的同時最大化使用者選擇。官方的對比毫不客氣——「前沿實驗室能告訴防禦者風險存在;CrowdStrike 更進一步,提供能自主對風險採取行動的框架。」
關鍵數字
相較於領先的前沿模型與開源基準,CrowdStrike 宣稱 SafeMind 交出:
- 偵測率提升 29%
- 端到端修補速度加快 6 倍
- 偵測與修補成本節省 99%
99% 這個數字最值得留意。如果專用安全模型真的能為資安工作負載帶來兩個數量級的推論成本下降,那麼 24/7 全天候自主監控的經濟學就從「願景」翻轉為「理所當然」——而競爭的基本單位將不再是模型權重,而是紅藍封閉迴圈框架本身。
「Nation state 是一段 prompt」
在產品發表之外,這場主題演講對威脅的描述方式也標誌著產業論述的轉變。Kurtz 描繪了經典的「pyramid of pain(痛苦金字塔)」——頂端是國家級攻擊者、底部是腳本小子——然後把它壓平了。在 agentic 時代,金字塔頂端不是某個國家,而是一個 AI 代理,而且「agent state 是一段 prompt」。
Vellante 稱這是他五年來報導 Fal.Con 所見最強的一場主題演講。分析師 Krista Case 認為 Kurtz 的框架對產業是一記警鐘,即使她同時指出全自主的代理攻擊尚未大規模發生。不對稱性是老生常談但空前迫切:攻擊者只需要對一次,防禦者必須每次都對。SafeMind 的賭注是——面對這種不對稱,唯一持久的解答就是讓防守以跟攻擊一樣快的速度迭代,作法是讓兩者 literally 在真正的敵人現身之前先互相廝殺。
上線方式
SafeMind 原生運行於 CrowdStrike Falcon 平台之中。模型與框架的獨立存取管道則透過 Project QuiltWorks 計畫,這是 CrowdStrike 的可信存取機制。Fal.Con 2026 同場還有配套發表——Cyber Superintelligence Lab 的正式成立,以及 Falcon Guardian:一個在 AI 代理實際執行之處(端點、runtime 層級)保護 AI 代理的產品。
CrowdStrike 首席 AI 與自主系統長 Dr. Bartley Richardson 將這次發表定位為十年篇章的起點:「模型與框架在共同演化的 agentic 系統中結合,防禦者終於能以機器速度行動……CrowdStrike 是唯一一家擁有從感測器、框架到模型整個技術堆疊的公司。」
這個全堆疊的宣稱能否擋住也在打造類似 agent-vs-agent 系統的競爭對手,還有待驗證。但 SafeMind 已經是一個明確的路標,指出網路安全的走向:遠離以人類速度分級處理告警,走向由機器持續攻擊並修補的環境——在真正的攻擊者抵達之前。
Sources
- [1] https://ir.crowdstrike.com/news-releases/news-release-details/crowdstrike-launches-frontier-models-cybersecurity-created
- [2] https://siliconangle.com/2026/09/01/autonomous-red-teaming-crowdstrike-falcon/
- [3] https://www.stocktitan.net/news/CRWD/crowd-strike-launches-frontier-models-for-cybersecurity-created-with-0xymhwdf6622.html