CrowdStrike Holdings公司今日宣布扩展其Falcon网络安全平台,专门保护人工智能系统,以应对企业在终端、软件即服务应用和云环境中部署更多自主AI智能体的需求。
这些在RSAC 2026大会首日发布的公告,被定位为对威胁环境变化的回应。在当前威胁环境中,AI系统越来越多地成为能够采取行动、访问数据并以提升权限运行的软件实体。CrowdStrike认为,这一转变产生了新的治理和运行时安全问题,而传统的安全控制措施从未针对此类问题进行设计。
这些公告的核心策略是将终端作为AI安全的控制平面。CrowdStrike认为,由于AI行动通常最终在设备上执行,终端是观察行为、执行策略并实时阻止恶意或高风险活动的最佳位置。
为支持这一愿景,CrowdStrike推出EDR AI运行时保护功能,旨在通过跟踪命令、脚本、文件活动和网络连接,为安全团队提供对AI应用程序和智能体在系统上行为的运行时可见性。该服务允许防护者将可疑行为追踪回原始进程,并在活动扩散之前隔离受影响的终端。
CrowdStrike还新增了终端影子AI发现服务,旨在自动识别在各设备上运行的AI应用程序、智能体、大语言模型运行时、模型上下文协议服务器和开发工具。该服务让安全团队不仅能评估部署了哪些AI,还能了解潜在的攻击影响范围。
另一项新服务桌面AIDR将CrowdStrike的提示层保护扩展到桌面AI应用程序。覆盖范围包括对ChatGPT、Gemini、Claude、DeepSeek、Microsoft Copilot、O365 Copilot、GitHub Copilot和Cursor等主要AI工具的支持。
超越终端保护
CrowdStrike还将安全防护从终端推进到软件即服务和云服务领域,这些环境中AI智能体越来越多地被部署并可访问业务数据和工作流程。
新功能包括影子SaaS和AI智能体发现,提供对影子SaaS使用情况的可见性,以及跨平台的智能体活动、权限和数据访问监控,覆盖Microsoft Copilot、Salesforce Agentforce、ChatGPT Enterprise、OpenAI Enterprise GPT和Nexos.ai等平台。
CrowdStrike还通过Copilot Studio智能体AIDR功能扩展了对Microsoft Copilot生态系统的保护。该功能监控Copilot Studio智能体内的提示、数据交互和运行时行为,让组织能够实时检测提示注入攻击、策略违规和数据泄露。
针对云环境,公司推出了云影子AI发现功能,可识别无管制的AI服务、高风险大语言模型和MCP连接,以及跨基础设施和应用层的敏感数据暴露。另一项新服务云和Kubernetes AIDR为容器化AI工作负载带来运行时检查和执行功能,能够发现Kubernetes环境中的恶意活动。
今日同样发布的云AI数据流发现功能,提供敏感数据如何进入和通过AI服务流动的实时可见性,帮助组织快速发现暴露并通过安全编排工作流触发自动化响应。
安全信息和事件管理
在SIEM方面,CrowdStrike宣布扩展Falcon下一代SIEM的作用,特别是针对使用Microsoft Defender for Endpoint的组织。这一扩展意味着Falcon现在可以摄取和关联Defender遥测数据,无需额外传感器,从而降低以Microsoft为中心的客户在现代化其安全运营中心时的阻力。
其他SIEM相关公告旨在减少SIEM迁移的痛苦,包括本机Falcon Onum集成能力,通过过滤和管道内检测来改善数据流传输性能、降低存储成本并减少摄取开销。
CrowdStrike还增加了第三方指标管理功能,让客户能够摄取和操作外部入侵指标来丰富检测。新的查询翻译智能体旨在将传统SIEM查询(包括Splunk搜索)转换为CrowdStrike查询语言,这样安全团队可以保留现有工作流程,同时减少重新培训和迁移的困扰。
对于CrowdStrike来说,整体主题是AI采用正在企业中创造新的控制问题,而Falcon可以成为管理这些问题的地方。
该公司将在3月23-26日的RSAC大会上展示其新产品和增强功能。
Q&A
Q1:EDR AI运行时保护功能是什么?它能做什么?
A:EDR AI运行时保护是CrowdStrike推出的新功能,通过跟踪命令、脚本、文件活动和网络连接,为安全团队提供对AI应用程序和智能体在系统上行为的运行时可见性。该服务允许防护者将可疑行为追踪回原始进程,并在恶意活动扩散之前隔离受影响的终端,实现实时安全防护。
Q2:CrowdStrike如何保护桌面AI应用程序?
A:CrowdStrike通过桌面AIDR服务来保护桌面AI应用程序,将其提示层保护扩展到桌面环境。该服务覆盖主要AI工具,包括ChatGPT、Gemini、Claude、DeepSeek、Microsoft Copilot、O365 Copilot、GitHub Copilot和Cursor等,为这些应用程序提供安全防护。
Q3:影子AI发现服务能解决什么问题?
A:影子AI发现服务能够自动识别在各设备上运行的AI应用程序、智能体、大语言模型运行时、模型上下文协议服务器和开发工具。这让安全团队不仅能评估企业部署了哪些AI技术,还能了解潜在的攻击影响范围,帮助组织更好地管理AI安全风险。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。