Palo Alto Networks anunció Unit 42 Continuous Frontier AI Defense, un servicio de seguridad ofensiva basado en agentes diseñado para empresas que desean aprovechar modelos de capacidades restringidas, incluidos Claude Mythos de Anthropic y GPT de OpenAI, para encontrar, validar y remediar continuamente las vulnerabilidades empresariales antes de que los atacantes puedan utilizarlas como armas.
Actualmente, los ciberdelincuentes utilizan IA para encontrar y explotar vulnerabilidades, reduciendo los ciclos de intrusión en casi un 97% en algunos casos, de semanas a horas. Para ayudar a los responsables de la seguridad a responder a la pregunta crucial de si están preparados para este cambio radical en ciberseguridad, Unit 42 ahora ofrece pruebas ofensivas continuas para identificar y validar vulnerabilidades, determinar las exposiciones y las rutas de ataque, y acelerar la remediación.
Esto se basa en Frontier AI Defense de Unit 42, lanzado el pasado abril, que introdujo un análisis de exposición puntual y un plan de seguridad posterior que evalúa las capacidades actuales para ayudar a las organizaciones a modernizar sus sistemas de ciberseguridad. En agosto, Unit 42 anunció que ampliaría su Frontier AI Exposure Analysis con GPT-5.6-Cyber de OpenAI y Claude Mythos 5 de Anthropic, lo que brinda a las organizaciones acceso a sus capacidades cibernéticas avanzadas.
Capacidades clave de Unit 42 de Continuous Frontier AI Defense
Impulsado por un sistema multimodal patentado que integra modelos de IA de vanguardia especializados en ciberseguridad con la inteligencia sobre amenazas y la experiencia en seguridad ofensiva de Unit 42, el nuevo servicio ofrece una gestión continua de la exposición a amenazas para eliminar los puntos ciegos de seguridad críticos. Las capacidades clave incluyen:
- Motor de pruebas continuas: Proporciona un análisis inicial completo del entorno, seguido de pruebas continuas a medida que cambia el entorno de la organización.
- Plataforma de IA multimodelos: Unit 42 implementa una plataforma multimodelos propia, una arquitectura de software que dirige el trabajo al modelo más adecuado para la tarea, mejorando la eficacia y la cobertura al tiempo que gestiona el coste de la IA de vanguardia a gran escala.
- Modelos cibernéticos líderes: El sistema se basa en modelos de capacidad controlada, incluidos Anthropic Claude Mythos 5 y OpenAI GPT-5.6-Cyber, así como en modelos de ponderación abiertos.
- Simulación avanzada de adversarios: Demuestra la vulnerabilidad en el mundo real validando las rutas de ataque de extremo a extremo a través de aplicaciones web propias y de terceros, API, infraestructura en la nube, repositorios de código fuente y activos de red.
- Corrección acelerada: Ofrece soluciones prácticas y priorizadas, orientación a nivel de código y recomendaciones de parches virtuales. Para implementar parches virtuales antes de que se divulguen públicamente las vulnerabilidades o existan parches oficiales, las organizaciones pueden combinar esta función con Frontier Virtual Patching .
Eficacia comprobada
Palo Alto Networks desarrolló y validó este enfoque durante seis meses de pruebas internas y en más de 100 proyectos con clientes de Unit 42, respaldado por una inversión de 17 millones de dólares en I+D y optimización de la metodología. Durante la implementación interna en Palo Alto Networks, la empresa detectó en tres semanas las vulnerabilidades que normalmente se acumularían en un año. En las evaluaciones de clientes, el Análisis de Exposición de Frontier AI detectó vulnerabilidades en el 100% de los clientes; de estas, el 37% se consideró de gravedad alta o crítica. En general, la mayoría de las vulnerabilidades provenían de aplicaciones propias y más de dos tercios de las vulnerabilidades en aplicaciones de terceros no tenían identificadores CVE conocidos.
Disponibilidad
Continuous Frontier AI Defense está disponible en todo el mundo mediante una suscripción anual con opciones que varían según los modelos específicos de OpenAI, Anthropic y de código abierto que se utilicen. Todas las suscripciones aprovechan un sistema multimodelos para asignar el modelo de IA óptimo a cada tarea de seguridad.
