CrowdStrike SafeMind: Nemotron-modeller i Falcon – Red Tempest bak QuiltWorks

CrowdStrike har sluppet to cybermodeller samme dag. Blue Solano skal forsvare. Red Tempest skal angripe. Begge sitter i SafeMind, et agentisk system bygd på NVIDIA Nemotron og trent på Falcon-telemetri. Systemet går nativt inn i Falcon. Fritt kall mot modellene går via Project QuiltWorks.

Det er ikke en ny frontiermodell i ChatGPT-klassen. Det er en vertikal stabel: sensor, harness og modell hos samme leverandør. For CIO og CISO er det tre beslutninger: om SafeMind skal inn som default i Falcon, om Red Tempest i det hele tatt skal inn i huset, og om leverandørens egne tall tåler en intern test.

Hva som faktisk er lansert

SafeMind kommer fra CrowdStrike Cyber Superintelligence Lab, ledet av Bartley Richardson. NVIDIA er designpartner og skriver at de investerer 100 millioner dollar over fem år i laben. CoreWeave tar trening og inferens.

To modeller:

Red Tempest er offensiv rød lag-modell, bygd for å etterligne AI-motstandere og finne angrepsstier i en digital tvilling av miljøet.

Blue Solano er defensiv blå lag-modell, bygd for å stenge stiene med det CrowdStrike kaller kampprøvde tiltak.

Harnessene kjører begge i en lukket sløyfe: rødt angriper, blått skriver og validerer deteksjoner, rødt prøver igjen. CrowdStrike sier at harnessene også kan ta inn frontier- og åpne modeller. Modellene selv er ikke åpne vekter. Grunnlaget er Nemotron. Ettertreningen er CrowdStrikes, på Falcon-sensortelemetri, trusseletterretning, Falcon Complete MDR-annotasjoner og 15 år med hendelseshåndtering.

I Falcon bruker Nemotron 3 Ultra orkestrering av den defensive harnessen. En finjustert Nemotron 3 Super driver regelgenerering. NVIDIA beskriver tre trinn i Super-ettertreningen: cybersikkerhets-pretrening, finjustering på 9 349 eksempler for deteksjon og reparasjon over 59 feiltyper, og forsterkende læring med verifiserbare belønninger mot Falcon LogScale via NeMo Gym og NeMo RL. Ugyldige spørringer fikk ekte motorfeil og inntil fem reparasjonsforsøk. Belønningen var F1 mot referansetreff på syntetiske logger, ikke bare gyldig syntaks.

Tallene CrowdStrike legger fram

Mot «ledende frontiermodeller og åpne baselinjer» hevder CrowdStrike 29 prosent høyere deteksjonsrate, seks ganger raskere ende-til-ende-utbedring og 99 prosent lavere kostnad på deteksjon og utbedring. De navngir ikke motstanderne. De beskriver ikke metoden. CSO Online noterer det samme hullet. Ta tallene som leverandørpåstand, ikke som uavhengig SOTA.

NVIDIA har en mer avgrenset test, publisert samme dag. I en isolert digital tvilling av eget akselerert datamiljø, instrumentert med Falcon, gikk Nemotron 3 Ultra med standard harness til 16,5 prosent treff mot innspilt angrep over åtte sesjoner. Med tunet harness, tilpasset Nemotron 3 Super, domenekontekst og validering gikk snittet til 41,9 prosent over seks sesjoner. Det er 2,5 ganger, men det er hele rørledningen, ikke en isolert modellablasjon.

I live-fire mot åtte usette angrep i samme scenari familie ble 11 deteksjoner fra den åpne rørledningen og 35 fra frontier-systemet satt i produksjon. Fem av 11 åpne (45 prosent) traff minst ett angrep, mot 10 frontier-deteksjoner (29 prosent). Etter støytest og uavhengig gjennomgang kvalifiserte tre åpne deteksjoner som gull og dekket alle åtte angrep. Ingen frontier-deteksjoner nådde gull.

NVIDIA sier selv at evalueringen dekker én scenari familie, små sett og begrenset uskyldig trafikk, og at tre av åtte live-fire-kjøringer hadde harness-feil. Funnet er en retningsgivende casestudie, ikke en generell benchmark.

Tilgang, ikke API-demo

SafeMind kjører nativt i Falcon. Fritt kall mot Red Tempest, Blue Solano og harnessene går gjennom Project QuiltWorks, CrowdStrikes trusted access-program. Det er samme mønster som Anthropic Mythos 5.1 og OpenAI Astra: den farligste kapasiteten er stengt.

CSO siterer George Kurtz på Hugging Face-hendelsen: feilen var ikke at angriperne hadde frontier-AI. Feilen var at forsvarerne ikke hadde det, og at generelle lab-API-er treffer rekkverk når hendelseshåndtering trenger cyberkapabilitet.

Jensen Huang sa på Fal.Con at angrep nå er automatisert, og at forsvar må bli det. CrowdStrike peker på 89 prosent økning i AI-støttede angrep siste år og 27 sekunder som raskeste eCrime-breakout. Det er deres egne trusseltall.

NVIDIA beskriver også Falcon IQ: mer enn 50 agenter i Charlotte AI AgentWorks, med Nemotron i motoren. Det er et annet produkt. Bland det ikke med modellslippet.

Hva dette betyr for ledergruppen

Hvis dere allerede kjører Falcon, er spørsmålet om dere slår på en agentisk sløyfe som skriver deteksjoner mot en digital tvilling, og om CISO vil ha en offensiv modell i samme stabel. Hvis dere ikke kjører Falcon, er SafeMind ikke en drop-in-modell. Sensoren er forutsetningen.

Tre styringspunkter:

Først: skill Falcon-nativ SafeMind fra QuiltWorks-tilgang til Red Tempest. Den siste er en offensiv modell. Be om formål, logging og hvem som kan kalle den.

Deretter: krev at leverandørens 29/6x/99-tall vises mot deres telemetri, ikke mot unavngitte frontier-baselinjer. NVIDIAs egen test er mer ærlig om begrensningene.

Til slutt: ikke la en vertikal cybermodell erstatte policy for frontier-labene. OpenAI har lagt Astra i Critical. Anthropic holder Mythos 5.1 bak trusted access. SafeMind er CrowdStrikes svar inne i SOC. Det er et annet kontrollplan, ikke en erstatning.

Kilder og medier

Primærkilde: CrowdStrike, https://www.crowdstrike.com/en-us/press-releases/crowdstrike-launches-frontier-models-for-cybersecurity-with-nvidia/

NVIDIA Technical Blog: https://developer.nvidia.com/blog/building-an-adaptive-agentic-cybersecurity-system-with-nvidia-nemotron/

NVIDIA Blog: https://blogs.nvidia.com/blog/nvidia-crowdstrike-fal-con-2026/

CrowdStrike Cyber Superintelligence Lab: https://www.crowdstrike.com/en-us/about-us/cyber-superintelligence-lab/

CSO Online: https://www.csoonline.com/article/4217135/crowdstrike-launches-cyber-frontier-ai-models-agentic-security-system.html

Thumbnail: OpenAI Image 2 / hogby.ai