AI-агенты в SOC: кто на самом деле разбирает алерты

За последний год Microsoft, CrowdStrike и Google вывели на рынок автономных агентов для центров мониторинга безопасности (SOC). Microsoft Security Copilot получил набор специализированных агентов — включая агента для сортировки алертов в Defender и разбора фишинговых писем. Google встроил ИИ в свою платформу Security Operations после поглощения Mandiant. CrowdStrike показала Charlotte AI с режимом автономной триажной оценки. Общая идея у всех одна: снять с человека рутину первой линии — тысячи однотипных срабатываний, которые аналитик закрывает как ложные, тратя на это половину смены.

Обещание звучит одинаково у всех: агент сам смотрит алерт, собирает контекст, выносит вердикт и либо закрывает срабатывание, либо эскалирует человеку с готовым разбором. Разница — в том, насколько глубоко ему разрешено действовать и насколько ему можно доверять.

Что такое SOC-агент и чем он отличается от старого SOAR

SOC — это команда, которая круглосуточно следит за срабатываниями систем защиты. Проблема известна давно: алертов слишком много, большинство ложные, аналитики выгорают и пропускают настоящую атаку в потоке шума. Автоматизация тут не новость — платформы класса SOAR¹ оркестрировали реакцию годами. Но SOAR работает по жёстким сценариям: если условие А, выполни действие Б. Написать и поддерживать эти плейбуки — отдельная работа.

ИИ-агент отличается тем, что не идёт по заранее прописанной ветке. Он получает алерт, сам решает, какие данные подтянуть — логи, репутацию IP, историю пользователя, — и формулирует вывод на естественном языке. Под капотом это большая языковая модель, обвешанная инструментами доступа к телеметрии, и, как правило, элементы RAG², чтобы модель отвечала на основе реальных данных инцидента, а не общих знаний.

Агент не устраняет вопрос доверия — он его переносит. Раньше вы проверяли работу джуниора, теперь проверяете работу модели, которая ошибается иначе и объясняет свои ошибки убедительнее.

Кто что предлагает

Три крупнейших предложения на рынке отличаются не столько «умом», сколько тем, в какую экосистему они вшиты и что готовы делать без человека. Ни один из вендоров не публикует независимо проверяемого бенчмарка на точность триажа, поэтому сравнивать «кто точнее» некорректно — сравниваем возможности и привязку.

Практический вывод из таблицы простой: выбор SOC-агента почти всегда предопределён тем, чей стек безопасности у вас уже стоит. Отдельно покупать агента одного вендора к телеметрии другого — путь в интеграционный ад. Цены здесь намеренно не приведены цифрами: модели оплаты завязаны на потребление и лицензии, и любое конкретное число устареет к следующему кварталу. Актуальные условия смотрите на страницах вендоров, ссылки ниже.

Где агенты реально экономят время, а где создают риск

Сильная сторона очевидна на массовых, скучных срабатываниях. Фишинговое письмо, подозрительный вход, срабатывание антивируса на известный семпл — тут агент собирает контекст быстрее человека и пишет связный разбор. На объёме первой линии это ощутимая разгрузка.

Слабых мест два, и оба серьёзные.

• Ложная уверенность. Модель формулирует вердикт гладким текстом даже там, где данных не хватило. Аналитик, читающий сотый разбор за смену, склонен принять его на веру — и автономно закрытый алерт может оказаться началом настоящей атаки.
• Новый вектор атаки. Агент читает содержимое писем, тикетов и логов. Если злоумышленник заложит в текст инструкции для модели (prompt injection), агент теоретически можно направить на неверный вывод. Это уже не гипотеза, а признанный класс проблем для любых агентов, работающих с недоверенным входом.

Кому это пригодится, а кому нет

Стоит пробовать, если:

1. У вас уже развёрнута платформа одного из этих вендоров и SOC тонет в потоке алертов первой линии — тогда агент снимает нагрузку без нового контракта на интеграцию.
2. Есть зрелый процесс: вы можете начать с режима «агент предлагает — человек утверждает» и постепенно повышать порог автономности, измеряя долю ошибок.
3. Есть команда, способная проверять работу агента. Автопилот без пилота на приборах — это не экономия, а отложенный инцидент.

Не стоит спешить, если:

1. У вас маленькая инфраструктура и десяток алертов в день — ручной разбор дешевле и надёжнее лицензии на ИИ-платформу.
2. Вы рассчитываете заменить аналитиков целиком. Пока это ассистент триажа, а не замена человека на эскалации и реагировании.
3. Ваша телеметрия разбросана по несовместимым системам — агент увидит только то, к чему подключён, и слепые зоны никуда не денутся.

Как подступиться без слепого доверия

Разумный сценарий внедрения — не «включить и уйти», а поэтапный:

• Запустите агента в режиме подсказки, не давая ему автономно закрывать алерты.
• Неделю-две сравнивайте его вердикты с решениями аналитиков на тех же срабатываниях.
• Автономность включайте точечно — только на тех категориях алертов, где агент показал стабильно совпадающие с людьми выводы.
• Оставьте человека на всём, что касается реагирования: изоляции хоста, блокировки учётки, уведомления руководства.

¹ SOAR (Security Orchestration, Automation and Response) — класс платформ, автоматизирующих реакцию на инциденты по заранее написанным сценариям-плейбукам.

² RAG (Retrieval-Augmented Generation) — подход, при котором модель перед ответом подтягивает релевантные данные из внешнего источника и опирается на них, а не только на знания, зашитые при обучении.