CrowdStrike와 NVIDIA, 에이전틱 사이버보안 시스템 공개

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

CrowdStrike와 NVIDIA가 자동화된 공격에 대응하기 위해 CrowdStrike SafeMind라는 에이전틱 사이버보안 시스템을 공개했습니다. SafeMind는 CrowdStrike의 사이버보안 데이터로 후처리한 NVIDIA Nemotron 모델과 분야별 agentic harness를 결합하고, 공격 에이전트와 방어 에이전트가 반복적으로 서로를 시험하는 공진화 루프를 사용합니다. Nemotron 3 Super 기반 Blue Solano는 CrowdStrike 내부 평가에서 주요 frontier 모델보다 높은 정확도를 기록하면서 비용은 99% 낮았다고 제시됐습니다. 별도로 공개된 Falcon IQ는 50개 이상의 에이전트를 하나의 작업 조직처럼 연결해 보안 평가·우선순위 지정·개선 업무를 자동화합니다.

섹션별 상세

CrowdStrike SafeMind는 자동화된 사이버공격에 맞서 방어도 자동화해야 한다는 문제에서 출발했습니다. CrowdStrike는 자체 사이버보안 경험과 위협 데이터를 NVIDIA Nemotron open models에 post-training하고, 보안 작업에 맞춘 proprietary harness를 결합해 Falcon 플랫폼 안에서 작동하는 agentic stack을 구성했습니다. 공격 에이전트와 방어 에이전트가 반복적으로 서로를 시험하고 방어 환경을 강화하므로, 사람이 공격 속도를 따라가며 수작업으로 대응하는 방식의 한계를 줄이는 구조입니다.

CrowdStrike는 SafeMind의 방어 모델에 NVIDIA Nemotron open models를 사용하고, Nemotron 3 Ultra를 방어용 agent harness의 조정 계층으로 배치했습니다. Nemotron 3 Super를 fine-tuning한 모델은 SafeMind의 rule-generation sub-agent를 구동하며, CrowdStrike 데이터로 post-training한 Blue Solano는 내부 평가에서 leading frontier models보다 높은 정확도를 기록하고 비용은 99% 낮췄습니다. 모델과 harness를 분리해 사용할 수 있고 고객이 자체 모델을 CrowdStrike의 custom harness와 조합할 수도 있어, 환경별 보안 요구에 맞춘 구성이 가능합니다.

SafeMind의 Red vs. Blue 테스트는 NVIDIA 네트워크를 재현한 high-fidelity cyber agent environment에서 공격과 방어를 순환시킵니다. red-team agent는 Recon, Assault, Compromise sub-agents로 공격 경로를 실행하고, blue-team agent는 Falcon sensors로 상태를 감시한 뒤 탐지 후보를 만들고 검증해 실제 차단 규칙으로 승격합니다. NVIDIA의 실제 threat landscape를 기준으로 검증한 digital twin에서 이 과정을 반복하므로, 탐지 후보가 실행 가능한 방어 조치로 이어지는지를 평가할 수 있습니다.

CrowdStrike는 Falcon IQ도 공개해 Charlotte AI AgentWorks의 agentic engine을 기반으로 50개 이상의 에이전트를 하나의 agentic workforce로 묶었습니다. Falcon IQ는 보안 평가, 우선순위 지정, remediation처럼 시간이 많이 걸리는 workflow를 자동화하고, 파트너가 고객에게 맞춤형 findings와 recommendations, executive outputs를 전달하도록 지원합니다. Charlotte AI AgentWorks를 통해 Falcon 사용자는 자체 agentic security workforce를 만들 수 있어, SafeMind의 완성형 시스템과 별개로 보안 업무 자동화 범위를 넓힐 수 있습니다.

CrowdStrike에 따르면 AI-enabled attacks는 지난 1년 동안 89% 증가했고 가장 빠른 eCrime breakout time은 27초에 도달했습니다. CrowdStrike 보안팀은 외부 제공업체로 threat data를 보내지 않고 Nemotron을 자체 데이터와 환경에 맞게 post-training했으며, 폐쇄형 frontier model에서는 어려운 방어 모델 점검과 맞춤화가 가능하다고 설명했습니다. NVIDIA는 칩부터 모델, harness까지 이어지는 full-stack accelerated computing platform을 협력의 기반으로 제시했고, 이 공격·방어 루프가 robotics와 edge computing 같은 다른 영역에도 적용될 수 있다고 밝혔습니다.

용어 해설

에이전틱 사이버보안(Agentic Cybersecurity): — AI 에이전트가 보안 이벤트를 감지하고 판단한 뒤 대응 작업까지 이어가는 보안 방식입니다. 여러 하위 에이전트와 전용 harness가 모델의 판단을 실행 가능한 탐지·차단 조치로 바꾸며, 자동화된 공격에 사람보다 빠르게 대응하는 데 의미가 있습니다.
에이전틱 하니스(Agentic Harness): — Large Language Model을 실제 작업을 수행하는 에이전트로 전환하는 실행 계층입니다. 모델의 추론 결과를 하위 에이전트와 센서, 검증 절차에 연결해 정찰·공격·탐지·차단 같은 작업을 순서대로 처리하며, 분야별 요구에 맞춰 구조와 기능을 조정할 수 있습니다.
적대적 공진화(Adversarial Coevolution): — 공격 에이전트와 방어 에이전트가 반복적으로 서로를 시험하면서 보안 능력을 높이는 방식입니다. 공격 측이 취약점을 찾으면 방어 측이 탐지 규칙을 만들고 검증한 뒤 배포하며, 이 결과가 다음 공격과 방어 과정에 다시 반영됩니다.
디지털 트윈(Digital Twin): — 실제 시스템의 구조와 위협 환경을 가상 공간에 재현한 테스트 환경입니다. 이 글에서는 NVIDIA의 가속 컴퓨팅 인프라를 복제한 환경에서 SafeMind의 공격·방어 에이전트를 실행해 탐지와 대응 성능을 실제 네트워크에 영향을 주지 않고 검증합니다.

기술

CrowdStrike SafeMind
NVIDIA Nemotron
NVIDIA Nemotron 3 Ultra
Nemotron 3 Super
Blue Solano
Falcon IQ
Project QuiltWorks
Charlotte AI AgentWorks
Falcon sensors
NVIDIA full-stack accelerated computing platform

활용 사례

자동화된 사이버공격 탐지와 차단
보안 규칙 생성 및 검증
위협 평가와 우선순위 지정 자동화
보안 remediation workflow 자동화
가상 네트워크에서 공격·방어 모델 테스트