CrowdStrike Joins the Open Secure AI Alliance para Avançar Segurança e Segurança do Aprendizado de Máquina

Novas Fronteiras no Aprendizado de Máquina

A tecnologia de aprendizado de máquina está transformando a velocidade e o escopo da defesa cibernética, e a velocidade e o escopo do adversário.

Os sistemas de aprendizado de máquina estão se tornando cada vez mais essenciais no governo, em infraestrutura crítica e em ambientes comerciais, e os defensores precisam ter a capacidade de inspecionar, testar, adaptar e proteger os sistemas que dependem deles. Isso requer o uso dos melhores recursos de aprendizado de máquina, incluindo modelos abertos, hastes abertas, modelos fronteiriços e ferramentas compartilhadas que permitam à comunidade de segurança avaliar como os sistemas de aprendizado de máquina se comportam, entender como os adversários podem usá-los e melhorar coletivamente a defesa.

CrowdStrike está se juntando à NVIDIA e a outros líderes da indústria como parceiros fundadores da Open Secure AI Alliance, uma coalizão focada em avançar a segurança e a segurança do aprendizado de máquina através de inovação aberta, pesquisas compartilhadas e defesa coletiva. Com esse trabalho, CrowdStrike compartilhará suas percepções sobre acelera a defesa do IA com os modelos abertos, como os que estão descritos no CrowdStrike 2026 Global Threat Report.

Foco na Segurança do Aprendizado de Máquina

A segurança do aprendizado de máquina não é uma solução para a avaliação de um modelo em isolamento. Na cibersegurança, os defensores precisam entender como os modelos altamente capazes se comportam quando são usados para trabalho de segurança real e como essas mesmas capacidades podem ser usadas pelos adversários. Os modelos abertos, uma valiosa ferramenta de defesa, estão sendo atuais ajustados, avaliados e executados em produção para melhorar ativamente a segurança das empresas.

É aí que o travesseiro se torna crítico. O travesseiro determina o que um sistema de aprendizado de máquina pode acessar, como ele raciocina sobre uma tarefa, o que ele está autorizado a fazer, a ferramenta usada e como suas conclusões são validadas. Ele é a diferença entre o saída do modelo bruto e a inteligência de segurança que o analista confia.

Técnica de Ajustamento de Máquina

CrowdStrike viu isso diretamente. Em testes de pesquisa de vulnerabilidades, usando a mesma classe de modelos de aprendizado de máquina fronteiriços com diferentes travesseiros produziu resultados dramáticos. Uma abordagem genérica gerou taxas de falhas positivas aproximadamente 80%. Aplicando uma travesseiro de segurança desenvolvido pela CrowdStrike reduziu essa taxa para aproximadamente 20% enquanto mantendo uma forte capacidade de descoberta de vulnerabilidade. O resultado é claro: o modelo importa, mas a maneira como ele é operacionalizada determina se ele melhora a defesa ou cria ruído.

A Inovação do Open Secure AI Alliance

Por isso os modelos abertos, as hastes abertas e as ferramentas compartilhadas são importantes. Eles permitem que os defensores avaliem os sistemas de aprendizado de máquina contra comportamentos de adversário reais, identifiquem modos de falha, validem contramedidas e melhorem técnicas em toda a comunidade de segurança. É assim que a segurança do aprendizado de máquina se torna mensurável pela evidência, a repetibilidade e a melhoria contínua.