CrowdStrike 發表了專為網路防禦打造的代理式 AI 系統 CrowdStrike SafeMind[1][2]。它讓攻擊方模型與防禦方模型在同一個迴圈中持續交手，再把結果轉化成可用的偵測規則。系統底層採用 NVIDIA 的開放模型 Nemotron，兩家公司的執行長於 9 月 1 日在拉斯維加斯舉行的 Fal.Con 2026 大會上同台宣布[1]。
只有攻擊方握有前沿 AI
Fal.Con 2026 現場聚集了約 1 萬名資安從業人員[1]。CrowdStrike 執行長暨創辦人 George Kurtz 在會中界定了問題所在：攻擊者手上有前沿模型，防禦者卻沒有，這才是真正的落差[1]。
該公司也提出了數據。過去一年間，運用 AI 的攻擊增加了 89%，eCrime 的最短突破時間，也就是從初次入侵到開始橫向移動的最短間隔，已縮短到 27 秒[1]。若以人類的反應速度處理，得到的並非防禦，而是事後的紀錄。
NVIDIA 創辦人暨執行長黃仁勳也提出相同看法：攻擊已經自動化，防禦也必須自動化[1]。
紅藍兩個模型在同一迴圈中運作
SafeMind 是 CrowdStrike 旗下 Cyber Superintelligence Lab 開發的一組資安專用模型與 harness 的集合[2]。harness 指的是讓模型真正以代理身分運作的外層機制。黃仁勳形容它是大型語言模型這個大腦之外的外骨骼[1]。
首批公開的模型有兩個[2]。
攻擊端的 Red Tempest 模擬運用 AI 的攻擊者，建構進階攻擊情境。防禦端的 Blue Solano 則部署第一線人員長期驗證過的防護措施，保護企業資產。讓兩者在同一套 harness 中持續對抗、彼此強化的共同演化迴圈，正是 SafeMind 的核心[1][2]。
訓練資料的來源同樣公開，包含 Falcon 感測器的遙測資料、威脅情資、Falcon Complete MDR 的事件註記，以及 15 年的事件應變實務紀錄[2]。
在技術架構上，防禦代理的整套 harness 由 NVIDIA Nemotron 3 Ultra 統籌，負責產生偵測規則的子代理則採用經過微調的 Nemotron 3 Super[1]。依 CrowdStrike 的內部評估，以 Nemotron 3 Super 為基礎的 Blue Solano 在準確率上高於主流前沿模型，成本卻低了 99%[1]。以整套系統與主流前沿模型及開源基準相比，官方資料給出的數字是偵測率高 29%、端到端修復速度快 6 倍、偵測與修復成本降低 99%[2]。
封閉的前沿模型無法在不外傳資料的前提下，用自家的威脅資料進行後訓練。CrowdStrike 把這一點列為選擇開放 Nemotron 作為底層的理由[1]。在資安領域，能否檢視負責防禦的這套 AI 內部，是一項實務上的要求。
SafeMind 既可作為完整系統運作，也支援單獨使用其中的模型，或把使用者自己的模型與 CrowdStrike 的 harness 搭配運用[1][2]。將模型與運作層分離，是刻意做出的設計判斷。
用數位分身重現 NVIDIA 自家網路
驗證環境也一併公開。NVIDIA 表示，已在模擬自家網路的高擬真網路代理環境中，測試 SafeMind 的模型與 harness[1]。
該環境實際上是 NVIDIA 加速運算基礎設施的數位分身，並對照 NVIDIA 真實面臨的威脅態勢進行驗證[1]。在其中，紅隊代理透過 Recon、Assault、Compromise 三個子代理執行攻擊路徑，藍隊代理則經由 Falcon 感測器監控，產生偵測候選、加以驗證並提升為正式偵測。所得成果可以直接當作阻擋攻擊的偵測規則使用[1]。
黃仁勳指出，讓對抗模型在數位分身環境中與防禦模型持續角力、最終學會自我防護，這套基本框架同樣適用於機器人、邊緣運算與企業運算[1]。
Falcon IQ：50 多個代理自動化維運工作
在同一場合，CrowdStrike 也發表了 Falcon IQ[1][2]。它透過代理式的工作負載自動化，讓合作夥伴計畫 Project QuiltWorks 真正落實到營運層面[1]。
Falcon IQ 把 50 多個代理當成一支統一的代理人力來調度，自動化評估、優先排序與修復等最耗時的工作流程[1]。其運作基礎是無程式碼的代理開發平台 Charlotte AI AgentWorks，核心引擎同樣由 Nemotron 模型驅動。合作夥伴可運用 Falcon IQ，向客戶提供客製化的分析結論、建議與面向管理層的產出[1]。此外，CrowdStrike 針對 AI 安全的 Guardian 方案也做了功能擴充[1]。
訓練與推論的運算資源來自 CoreWeave 的 AI 雲端[2]。從晶片、模型，到針對模型發現結果採取行動的 harness，兩家公司都強調這條垂直整合的技術堆疊。
總結
SafeMind 的特別之處，在於產品本身就是這套讓攻防共存的系統，而不是把前沿模型當成偵測工具來用。偵測率提升 29%、修復快 6 倍、成本降低 99% 這幾項數字皆出自 CrowdStrike 自家的評估，第三方驗證尚未出現[2]。即便如此，選擇能以自家威脅資料進行後訓練的開放模型作為底層，並把模型與 harness 分離以便接入其他模型，這樣的設計為企業如何採購資安 AI 提供了具體的選項。
來源：https://blogs.nvidia.com/blog/nvidia-crowdstrike-fal-con-2026/
