Swimlane 10月更新Turbine資安自動化平台,新增企業自訂偵測邏輯、雙向Model Context Protocol(MCP)支援,以及Hero AI應用程式建置代理。企業可依自身環境設定偵測條件,針對未經核准的AI帳號、敏感資料流向AI服務、提示注入、護欄遭停用或繞過,以及AI系統自身成為攻擊標的情境,自訂告警並直接送入Swimlane AI SOC進行調查與回應。
Turbine的大資料處理架構可透過平行運算節點,單次評估數以萬計的紀錄,縮短從資料取得、條件判讀到啟動回應的時間。新增功能不會取代SIEM、EDR或雲端資安工具,而是補上供應商預設偵測規則難以涵蓋的企業特定風險。
雙向MCP支援讓Turbine既能作為MCP主機,連接第三方MCP伺服器供Hero AI在調查與劇本中使用工具;也能作為MCP伺服器,讓Claude、ChatGPT、Cursor、Gemini CLI及Microsoft Copilot等外部AI用戶端,在既有角色權限控制下呼叫多步驟自動化。
Hero AI應用程式建置代理則可透過自然語言提示建立或修改資料結構、版面及工作流程。AI產生的變更在使用者檢視前不會自動儲存,可逐項接受或拒絕,以降低自動生成程式碼帶來的錯誤風險。上述功能現已全面上市。
這次產品更新表面上是一項功能發布,深層結構卻指向資安產業從「買供應商偵測」轉向「讓企業掌握偵測主權」的轉折。過去兩年生成式AI討論主要集中在AI能否自主處理告警,但Swimlane執行長Cody Cornell指出的問題更根本:告警從何而來、依據什麼被判定為異常。當企業廣泛導入AI代理、助理、本地模型與MCP伺服器,提示注入、未經核准的資料外傳、代理權限遭濫用等風險已超出傳統資安廠商預先定義的偵測範圍。
這背後存在一項治理角力,而非單純的技術競賽。資安供應商希望以封閉、預設且難以替換的規則維持產品黏著度;大型企業與受監管產業則希望把自身資料、內部政策與威脅情境寫成偵測邏輯。Turbine把偵測邏輯的編寫權交給客戶,等於把供應商掌握的「什麼算異常」重新定義為可攜、可審計的企業規則。
雙向MCP則把同一場角力延伸到代理執行層。外部AI若能直接呼叫資安劇本,自動化價值固然提高,但權限邊界、責任歸屬與稽核紀錄也同步變得更複雜。Swimlane的解法是以既有角色權限、集中式身分管理及受治理的自動化元件作為閘門,而非全面開放代理權限。
Hero AI應用程式建置代理則回應另一項現實矛盾:資安工作流程頻繁因新威脅、新系統與新法規而變更,若每次都仰賴工程師手動重建,自動化平台本身也會成為瓶頸。自然語言生成可降低修改成本,但「先預覽、後核准」的人機共作模式,本質上是在效率與可控性之間保留責任邊界。
這次更新延續了2017年之後SOAR的演進路徑:當資料與事件數量超過人工處理能力,平台開始以劇本串接工具;如今生成式AI加入後,自動化決策者從固定規則擴展至代理模型。下一階段競爭將不再是「有沒有AI」,而是「誰能控制AI、替AI設定邊界,並證明每次行動可控」。MCP則扮演關鍵連接角色,但安全與治理層尚未同步成熟。
01 起因觸發:企業加速導入AI代理、本地模型與MCP,傳統預設偵測難以涵蓋新型風險
02 一階傳導:SIEM、EDR及雲端資安供應商被迫強化自訂規則、資料處理與代理治理能力
03 二階擴散:Claude、ChatGPT、Cursor、Gemini CLI等AI用戶端與企業內部系統的連接邊界擴大
04 產業重構:資安平台由事件響應與劇本自動化,延伸至AI應用建置、企業規則管理與代理稽核
05 宏觀終局:企業AI治理從政策文件層面下沉至工具存取、資料流向與可驗證執行環境
領域延伸情報推薦 相關延伸研讀
依主題領域自動關聯之高參考價值外電情報