Zscaler доверила ИИ изоляцию пользователей — но доказательств точности пока нет
В официальном анонсе от 9 сентября 2026 года Zscaler представила глобально доступную платформу Agentic SOC, где ИИ-агенты сортируют сигналы, расследуют инциденты, выносят вердикт и запускают реагирование. Встроенные средства могут изолировать скомпрометированного пользователя, заблокировать связь с командно-управляющей инфраструктурой и пресечь боковое перемещение по сети.
Путь от сигнала до сдерживания строится на телеметрии Zscaler, сети приманок и данных сторонних средств защиты. Вышедший в тот же день материал Security Today перечисляет те же функции со ссылкой на сообщение компании, но не добавляет независимых измерений точности, ложных срабатываний или времени реагирования.
Как сигнал превращается в решение
Agentic SOC получает сведения о сети, идентификационных данных, конечных устройствах, облачной среде и использовании ИИ. К ним добавляются взаимодействия с сетью приманок и сигналы подключённых защитных продуктов заказчика — это расширяет контекст за пределы собственной инфраструктуры Zscaler.
Затем контекстный граф сопоставляет события с пользователями, устройствами, приложениями и другими сущностями. Его задача — превратить набор разрозненных предупреждений в связанную цепочку инцидента: выделить затронутые объекты, возможную первопричину и последовательность действий атакующего.
После корреляции работа делится между специализированными агентами. Заявленная последовательность включает первичную сортировку, расследование первопричины, присвоение вердикта и запуск сценария реагирования. Таким образом, автоматизация охватывает не только подготовку краткого описания для аналитика, но и переход к исполнительному действию.
При этом открытые материалы не раскрывают правила, по которым предупреждения объединяются в один инцидент, пороги уверенности для вердикта или условия передачи решения человеку. Поэтому публично видна общая архитектура конвейера, но не его подробная логика для разных конфигураций заказчиков.
Где начинается автоматическое сдерживание
Исполнительный контур связан со средствами Zscaler Zero Trust Exchange, расположенными непосредственно на пути корпоративного трафика. После вердикта Agentic SOC может запустить рабочий процесс реагирования, а встроенный контроль — применить ограничение к конкретному пользователю или соединению.
В перечень возможностей входят изоляция скомпрометированного пользователя, блокировка командно-управляющего трафика и прекращение бокового перемещения. Интеграции со сторонними продуктами позволяют инициировать и внешние действия, однако их точный набор будет зависеть от подключённых инструментов и настроек конкретной среды.
Формулировка «может изолировать» не равна гарантии правильного решения. Результат зависит от всей предыдущей цепочки: полноты телеметрии, корректного сопоставления сущностей, качества расследования и порога, после которого вердикт становится основанием для ограничения доступа.
Если события ошибочно связаны с учётной записью, автоматическое действие потенциально способно затронуть законного пользователя. Это следствие самой модели замкнутого реагирования, а не свидетельство обнаруженной ошибки в Agentic SOC: опубликованной статистики ошибочных изоляций сейчас нет.
Какие модели и данные используются
В Agentic SOC объединены собственная аналитика угроз и телеметрия нулевого доверия с моделями Anthropic и OpenAI. Публикация Help Net Security также приводит заявленные Zscaler масштабы: 750 млрд транзакций нулевого доверия в сутки и более десяти лет опыта SOC, управляемого обнаружения и реагирования, на котором обучались и настраивались агенты.
Эти показатели описывают объём доступной телеметрии и накопленного опыта, но не точность итогового вердикта. Большое число обработанных транзакций само по себе не показывает, насколько система различает атаку, ошибочную конфигурацию и допустимое поведение в инфраструктуре отдельной организации.
Не раскрыто и распределение задач между моделями Anthropic, OpenAI и собственными компонентами Zscaler. В материалах запуска нет версий моделей для отдельных этапов, правил их выбора, контрольных выборок или оценки вклада каждого компонента в итоговое решение.
Упоминание специалистов Zscaler и Red Canary показывает, что человеческая экспертиза участвует в развитии платформы и сопровождении охоты за угрозами. Однако это не устанавливает, проверяет ли человек каждое конкретное действие по изоляции перед его исполнением.
Чего пока не доказывает анонс
Опубликованные сведения описывают функции, но не измеренную эффективность. В рассмотренных материалах нет методики испытаний, размера проверочной выборки, перечня тестовых сред или распределения результатов по классам атак. Не приведены доли истинных и ложных срабатываний, число пропущенных инцидентов, точность поиска первопричины и частота ошибочной изоляции.
Нет и сравнительного испытания, которое отделяло бы вклад ИИ-агентов от преимуществ собственной телеметрии, контекстного графа и встроенных средств исполнения. Поэтому тезисы о более раннем обнаружении, повышенной точности и реагировании с «машинной скоростью» следует считать заявлениями производителя, а не воспроизводимыми результатами.
Ожидаемая производительность, преимущества агентов, интеграций и автоматического сдерживания отнесены в анонсе к прогнозным заявлениям; фактические результаты могут отличаться. Это не доказывает неточность Agentic SOC, но очерчивает границу доступных выводов: платформа выпущена глобально и технически способна запускать изоляцию, тогда как надёжность таких решений ещё предстоит показать в независимых тестах или подробных эксплуатационных данных.
Читайте также:
Подпишитесь на рассылку
Получайте свежие новости Web3, AI и криптовалют прямо на вашу почту.