Tier 1-3 SOC Mga Analyst: Ang Epekto ng Agentic AI

SOC Ang mga analyst sa bawat antas ay nahaharap sa tumitinding presyon mula sa pagkapagod sa alerto, kakulangan sa kasanayan, at lalong sopistikadong mga banta. Binabago ng Agentic AI kung paano hinuhubog ang tier 1, tier 2, at tier 3 SOC Ang mga analyst ay nagtatrabaho sa pamamagitan ng pag-automate ng mga karaniwang gawain, pagpapabilis ng mga imbestigasyon, at pagpapagana ng estratehikong pangangaso ng banta. Sinusuri ng artikulong ito kung paano ang bawat isa SOC nagbabago ang tier at kung ano ang kahulugan nito para sa mga operasyon sa seguridad.
#image_title

Paano Pinagbuti ng Pag-aaral ng AI at Machine ang Cyberecurity ng Enterprise

Pagkonekta sa lahat ng Dots sa isang Complex Threat Landscape

Matuto Nang Higit pa
#image_title

Damhin ang AI-Powered Security in Action!

Tuklasin ang cutting-edge AI ng Stellar Cyber ​​para sa instant na pagtuklas at pagtugon sa pagbabanta. Iskedyul ang iyong demo ngayon!

Iskedyul Isang Demo

Ang Ebolusyon ng SOCMula sa Gawa ng Tao tungo sa Katutubo ng AI

Ang mga sentro ng operasyon ng seguridad ay sumailalim sa malaking pagbabago sa nakalipas na dekada. Ang nagsimula bilang mga silid na puno ng mga analyst na nakatitig sa SIEM Ang mga dashboard ay naging sopistikado at maraming patong na operasyon na pinagsasama ang kadalubhasaan ng tao at katalinuhan ng makina. Ang pag-unawa sa ebolusyong ito ay mahalaga upang maunawaan kung bakit Ang agentic AI ay kumakatawan sa susunod na kritikal na hakbang pasulong para sa SOC mga koponan.

Ang Tradisyunal SOC modelo

Ang maginoo SOC Halos ganap na umaasa sa paghatol ng tao. Manu-manong sinuri ng mga analyst ang mga log, mga magkakaugnay na kaganapan, at mga insidenteng pinalala sa pamamagitan ng isang matibay at may antas na istruktura. Gumagana ang modelong ito kapag mas maliit ang mga lugar ng pag-atake at ang mga dami ng alerto ay mapapamahalaan, ngunit nahihirapan itong makasabay sa laki at bilis ng mga modernong banta.

Ang Pagbabago Patungo sa Awtomasyon

Ang mga platform ng SOAR at pangunahing automation ang nagpakilala ng unang bugso ng ginhawa para sa mga nabibigatan SOC mga analyst. Ang mga tugon na nakabatay sa playbook ay humawak ng mga paulit-ulit na gawain tulad ng paghahanap ng reputasyon ng IP at paglikha ng tiket. Gayunpaman, ang mga automation na nakabatay sa panuntunang ito ay marupok at nangangailangan ng patuloy na pagpapanatili, at hindi sila maaaring umangkop sa mga nobelang pattern ng pag-atake nang walang interbensyon ng tao.

Ang Pag-usbong ng mga Operasyong Pinahusay ng AI

Dinala ng mga modelo ng machine learning ang pagtuklas ng anomalya at behavioral analytics sa SOC, na nagpapahintulot sa mga platform na magpakita ng mga banta na hindi napapansin ng mga tool na nakabatay sa lagda. Sinimulan ng mga vendor tulad ng Stellar Cyber ​​ang pagsasama ng mga AI-driven correlation engine na maaaring magproseso ng napakalaking dami ng data at unahin ang mga alerto nang may higit na katumpakan kaysa sa mga static rule lamang.

Ang Hangganan ng Agentic AI

Higit pa sa pagkilala ng pattern ang Agentic AI. Ipinakikilala nito ang mga ahente na nagsasarili na may kakayahang mangatwiran, pagpaplano, at pagpapatupad ng mga daloy ng trabaho na may maraming hakbang nang walang patuloy na pag-uudyok ng tao. Ang pagbabagong ito ay nagpapagalaw sa SOC mula sa reactive alert processing patungo sa proactive at intelligent threat management kung saan ang mga AI agent ay nakikipagtulungan sa mga analyst sa halip na basta pagpapakain lamang sa kanila ng data.

Tier 1 SOCMula sa Alert Overload patungong AI-Powered Triage

Tier 1 SOC Ang mga analyst ay dating nagsisilbing pangunahing linya ng mga operasyon sa seguridad, responsable para sa paunang triage ng alerto, klasipikasyon, at escalation. Ito rin ang antas na pinakaapektado ng burnout, turnover, at ang napakaraming false positive na kumukunsumo ng oras ng analyst nang hindi nakakagawa ng makabuluhang mga resulta sa seguridad.

Ang Problema sa Pagkapagod na Alerto

Ang isang tipikal na SOC maaaring makabuo ng libu-libong alerto bawat araw, at tier 1 SOC Inaasahang susuriin ng mga analyst ang bawat isa. Palaging ipinapakita ng mga pag-aaral na ang isang malaking porsyento ng mga alertong ito ay mga maling positibo o mga pangyayaring mababa ang priyoridad. Ang resulta ay isang workforce na gumugugol ng mas maraming oras sa pag-alis ng ingay kaysa sa pagtukoy ng mga tunay na banta, na humahantong sa mga hindi natukoy na mga resulta at pagkapagod ng analyst.

Paano Binabago ng Agentic AI ang Tier 1 Workflows

Kayang isagawa nang awtomatiko ng mga ahente ng Agentic AI ang mga gawaing kumukunsumo sa halos buong araw ng isang tier 1 analyst. Hindi lamang sinasala ng mga ahente na ito ang mga alerto batay sa mga static threshold. Sa halip, nangangatwiran sila tungkol sa konteksto, iniuugnay ang mga kaugnay na kaganapan, at gumagawa ng mga desisyon sa triage na sumasalamin sa paghatol ng mga bihasang analyst. Kabilang sa mga pangunahing kakayahan ang:
  • Awtomatikong pagmamarka at pagbibigay-priyoridad sa alerto: Sinusuri ng mga ahente ng AI ang mga alerto laban sa konteksto ng kapaligiran, kritikalidad ng asset, at mga feed ng threat intelligence upang magtalaga ng mga dynamic na marka ng panganib.
  • Awtomatikong pagpapayaman: Kinukuha ng mga ahente ang datos ng WHOIS, kasaysayan ng DNS, reputasyon ng file, at mga profile ng pag-uugali ng gumagamit nang hindi na hinihintay ang isang analyst na magsimula ng mga paghahanap.
  • Matalinong pagpapangkat: Ang mga kaugnay na alerto ay pinagsama-sama sa mga pinag-isang insidente, na binabawasan ang libu-libong indibidwal na notification sa isang mapapamahalaang hanay ng mga kasong maaaring aksyonan.
  • Maling positibong pagsugpo: Natututo ang mga ahente mula sa mga feedback loop ng analyst upang patuloy na mapabuti ang katumpakan ng pagtuklas at mabawasan ang ingay sa paglipas ng panahon.

Ang Epekto sa mga Tungkulin ng Tier 1 Analyst

Sa halip na alisin ang mga posisyon sa tier 1, itinataas ito ng agentic AI. Ang mga analyst na dating gumugugol ng 80% ng kanilang oras sa paulit-ulit na triage ay maaari na ngayong tumuon sa pagpapatunay ng mga buod ng insidente na nabuo ng AI, pag-tune ng lohika ng pagtuklas, at pagbuo ng mga pangunahing kasanayan sa pagsisiyasat. Ang diskarte ng Stellar Cyber ​​sa AI-driven triage, halimbawa, ay nagbibigay sa mga analyst ng mga paunang naratibo ng insidente na kinabibilangan ng konteksto ng ugat ng sanhi, na binabawasan ang oras mula sa alerto hanggang sa desisyon mula oras hanggang minuto.

Mga Nasusukat na Resulta

metric

Tradisyonal na Antas 1

AI-Augmented Tier 1

Karaniwang mga alerto na nirerepaso bawat araw

500-1,000

Hawak ng AI ang paunang triage; sinusuri ng mga analyst ang 50-100 na prayoridad na insidente

Maling positibong rate

70 90-%

Nabawasan sa 10-30% sa pamamagitan ng kontekstwal na pagmamarka

Karaniwang oras para sa triage

15-30 minuto bawat alerto

Segundo para sa AI; pagpapatunay ng analyst sa loob ng 2-5 minuto

Panganib ng burnout ng analyst

Mataas

Makabuluhang nabawasan

Tier 2 SOCMula sa Manu-manong Imbestigasyon Tungo sa mga Pananaw na Pinapatakbo ng AI

Tier 2 SOC Ang mga analyst ay humahawak ng mas malalim na imbestigasyon sa mga lumalalang insidente, nagsasagawa ng pagsusuri ng ugat ng sanhi, pagtukoy sa saklaw, at pagrerekomenda ng mga estratehiya sa pagkontrol. Ang gawaing ito ay nangangailangan ng matibay na kasanayan sa pagsusuri at kakayahang mabilis na mag-synthesize ng impormasyon mula sa maraming mapagkukunan ng datos. Ang Agentic AI ay pangunahing nagbabago kung paano nagaganap ang proseso ng imbestigasyon na ito.

Mga Hadlang sa Tradisyonal na Imbestigasyon

Ang manu-manong imbestigasyon ay masusing ginagamit sa oras. Karaniwang ginagamit ng mga Tier 2 analyst ang iba't ibang kagamitan, kabilang ang SIEM, EDR, mga network traffic analyzer, at mga platform ng threat intelligence, upang pagsama-samahin ang isang naratibo ng pag-atake. Ang bawat pivot ay nangangailangan ng pagpapalit ng konteksto, at ang mga mahahalagang detalye ay maaaring mawala kapag ang data ay pinaghihiwalay sa magkakaibang sistema. Ang mga imbestigasyon na dapat tumagal ng ilang minuto ay kadalasang umaabot ng ilang oras o araw.

Mga Kakayahan sa Imbestigasyon na Pinapatakbo ng AI

Ang mga ahente ng AI agents ay maaaring magsagawa ng mga imbestigasyon sa maraming hakbang nang mag-isa, kasunod ng mga lohikal na kadena ng ebidensya tulad ng gagawin ng isang bihasang analyst. Kapag lumala ang isang insidente, magagawa ng isang ahente ng AI na:
  1. Imapa ang buong timeline ng pag-atake sa pamamagitan ng pag-uugnay ng mga kaganapan sa mga endpoint, network, cloud, at mga pinagmumulan ng pagkakakilanlan.
  2. Tukuyin ang mga apektadong asset, mga nakompromisong account, at mga lateral na landas ng paggalaw.
  3. Mga tagapagpahiwatig ng cross-reference ng kompromiso laban sa mga pandaigdigang database ng threat intelligence.
  4. Bumuo ng isang nakabalangkas na ulat ng imbestigasyon na may mga natuklasan, antas ng kumpiyansa, at mga inirerekomendang aksyon sa pagtugon.

Kolaborasyon sa Pagitan ng AI at Tier 2 Analysts

Ang pinakamabisang modelo ay hindi ang ganap na automation kundi ang matalinong kolaborasyon. Ang mga ahente ng AI ang humahawak sa pangangalap ng datos, ugnayan, at paunang pagbuo ng hipotesis, habang ang tier 2 SOC Ginagamit ng mga analyst ang kadalubhasaan sa larangan upang mapatunayan ang mga konklusyon at makagawa ng mga desisyon sa paghuhusga na nangangailangan ng konteksto ng negosyo. Binabawasan ng pakikipagsosyo na ito ang oras ng imbestigasyon habang pinapanatili ang pangangasiwa ng tao na kinakailangan para sa mga desisyong may malaking pusta.

Praktikal na Halimbawa: Pagsisiyasat sa isang Kampanya ng Phishing

Isaalang-alang ang isang kampanyang phishing na nagta-target sa maraming empleyado. Sa isang tradisyonal na SOC, manu-manong susuriin ng isang tier 2 analyst ang mga header ng email, susuriin ang mga attachment sa isang sandbox, hahanapin ang mga kaugnay na anomalya sa pag-login, at susubaybayan ang anumang na-download na payload. Gamit ang agentic AI sa SOC, isang autonomous agent ang sabay-sabay na nagsasagawa ng lahat ng hakbang na ito, na nagpapakita sa analyst ng kumpletong larawan: kung aling mga user ang nag-click, kung aling mga credential ang maaaring makompromiso, at kung aling mga endpoint ang nangangailangan ng paghihiwalay. Sinusuportahan ng pinag-isang platform ng Stellar Cyber ​​ang workflow na ito sa pamamagitan ng pagsasama-sama ng telemetry mula sa email, endpoint, at mga pinagmumulan ng network sa isang iisang correlated view.

Pagbabawas ng Oras ng Pag-iisa

Ang mas mabilis na imbestigasyon ay direktang isinasalin sa nabawasang oras ng pag-atake. Kapag ang mga tier 2 analyst ay nakatanggap ng mga pre-investigated na insidente na may malinaw na evidence chain, mas mabilis silang makakapag-umpisa ng containment at remediation. Ang mga organisasyong gumagamit ng AI-augmented investigation workflows ay nag-ulat na nabawasan ang mean time to respond (MTTR) ng 60% o higit pa kumpara sa mga ganap na manu-manong proseso.

Tier 3 SOCMula sa Pagsusuri ng Eksperto hanggang sa Kolaborasyon ng Ahente ng AI

Tier 3 SOC Ang mga analyst ay kumakatawan sa mga pinaka-may karanasan at dalubhasang miyembro ng security operations team. Sila ang humahawak sa advanced threat hunting, malware reverse engineering, forensic analysis, at strategic threat assessment. Hindi pinapalitan ng Agentic AI ang mga ekspertong ito ngunit binibigyan sila ng mga makapangyarihang tool na nagpapalakas ng kanilang mga kakayahan.

Ang Saklaw ng mga Responsibilidad sa Tier 3

Ang mga Tier 3 analyst ay nakatuon sa mga banta na ganap na umiiwas sa awtomatikong pagtuklas. Kabilang sa kanilang trabaho ang proactive hypothesis-driven threat hunting, pagbuo ng mga custom detection rule, pagsusuri ng mga advanced persistent threat (APT), at pagpapayo sa mga pagpapabuti sa security architecture. Ang gawaing ito ay nangangailangan ng malalim na teknikal na kadalubhasaan at malikhaing pag-iisip na hindi kayang ganap na kopyahin ng AI.

Paano Sinusuportahan ng Agentic AI ang Advanced Threat Hunting

Ang mga ahente ng Agentic AI ay nagsisilbing mga force multiplier para sa tier 3 SOC mga analyst sa pamamagitan ng paghawak sa mga pundasyong nangangailangan ng maraming datos na nauuna sa pagsusuri ng eksperto:
  • Awtomatikong pagsubok sa hipotesis: Maaaring tukuyin ng mga analyst ang mga hypotheses sa pangangaso, at sistematikong maghahanap ang mga AI agent sa lahat ng magagamit na telemetry upang makahanap ng sumusuporta o magkasalungat na ebidensya.
  • Pag-ibabaw ng anomalya: Patuloy na sinusuri ng mga ahente ang mga baseline na pattern ng pag-uugali at mga paglihis sa bandila na nangangailangan ng pagsusuri ng eksperto, kahit na walang umiiral na partikular na panuntunan sa pagtukoy.
  • Pagpapabilis ng pagsusuri ng malware: Maaaring magsagawa ang mga AI agent ng paunang static at dynamic na pagsusuri ng mga kahina-hinalang file, pagkuha ng mga indicator at katangian ng pag-uugali bago simulan ng isang human analyst ang mas malalim na reverse engineering.
  • Sintesis ng paniktik sa banta: Pinagsasama-sama at pinag-uugnay ng mga ahente ang impormasyon mula sa maraming feed, na gumagawa ng mga naaaksyunang buod na nagpapakita ng mga kaugnay na banta sa partikular na kapaligiran ng organisasyon.

Istratehikong Halaga ng Gawaing Tier 3 na Pinahusay ng AI

Kapag mas kaunting oras ang ginugugol ng mga tier 3 analyst sa pangongolekta ng datos at paunang pagsusuri, mas marami silang mailalaan na enerhiya sa mga estratehikong aktibidad: pagbuo ng mga balangkas ng detection engineering, paggabay sa mga junior analyst, pag-aambag sa pagpaplano ng pagtugon sa insidente, at pagpapayo sa pamumuno sa mga umuusbong na trend ng banta. Itinataas ng pagbabagong ito ang buong SOCantas ng kapanahunan.

Ang Pakikipagtulungan ng Human-AI sa Antas ng Eksperto

Sa antas ng tier 3, ang ugnayan sa pagitan ng analyst at AI ay tunay na kolaboratibo. Ang analyst ay nagbibigay ng intuwisyon, adversarial thinking, at kontekstong pag-unawa sa panganib sa negosyo. Ang AI agent ay nagbibigay ng bilis, laki, at kakayahang iproseso ang dami ng data na hindi kayang repasuhin nang manu-mano ng sinumang tao. Magkasama, bumubuo sila ng kakayahan sa paghahanap ng banta na higit pa sa maaaring makamit ng alinman nang mag-isa.

Paano Binabago ng Agentic AI ang Bawat SOC baitang

Bagama't sinuri ng mga nakaraang seksyon ang bawat baitang nang paisa-isa, ang tunay na kapangyarihan ng agentic AI ay nagiging malinaw kapag tiningnan bilang isang pinag-isang transpormasyon sa buong SOC, Sa ahente SOC ay hindi lamang isang tradisyonal na SOC nang naka-on ang AI; ito ay isang pundamental na kakaibang modelo ng pagpapatakbo na muling nagbibigay-kahulugan kung paano dumadaloy ang gawaing pangseguridad sa pagitan ng mga tao at makina.

Awtomasyon ng Daloy ng Trabaho sa Iba't Ibang Antas

Sa isang tradisyonal SOC, ang mga insidente ay linear na gumagalaw mula sa tier 1 patungo sa tier 2 hanggang sa tier 3 sa pamamagitan ng manu-manong pag-escalate. Tinatanggal ng Agentic AI ang matibay na pipeline na ito sa pamamagitan ng pagpapagana ng matalinong pagruruta batay sa pagiging kumplikado ng insidente. Ang mga simpleng insidente ay ganap na nilulutas ng mga ahente ng AI. Ang mga katamtamang insidente ay iniimbestigahan ng AI at inihaharap sa mga analyst na may kasamang mga rekomendasyon. Ang mga kumplikadong insidente ay agad na minamarkahan para sa atensyon ng eksperto nang ang lahat ng magagamit na konteksto ay paunang naipon.

Mga Pangunahing Lugar ng Pagbabago

Kakayahan

Bago ang Agentic AI

Gamit ang Agentic AI

Pag-triage ng alerto

Manu-manong pagsusuri ng mga tier 1 analyst

Awtonom na triage ng AI na may pagpapatunay ng tao

Pagsisiyasat

Pag-pivot ng maraming gamit ng mga tier 2 analyst

Korelasyon na pinapagana ng AI sa pangangasiwa ng analyst

Pangangaso ng pagbabanta

Mga manu-manong paghahanap na pinapagana ng hipotesis

Pagsubok ng hypothesis na tinutulungan ng AI sa malawakang saklaw

Tugon sa insidente

Nakadepende sa Playbook, sunod-sunod

Adaptive, may kamalayan sa konteksto, parallel na pagpapatupad

Paglipat ng kaalaman

Kaalaman sa tribo, impormal na pagtuturo

Mga natuklasang dokumentado ng AI, memorya ng institusyon

Ang Autonomous SOC Pananaw

Ang konsepto ng isang nagsasarili SOC hindi nangangahulugang pag-alis ng mga tao mula sa seguridad mga operasyon. Nangangahulugan ito ng paglikha ng isang kapaligiran kung saan ang mga ahente ng AI ang humahawak sa pasanin sa operasyon habang ang mga analyst na tao ay nakatuon sa paggawa ng desisyon, estratehiya, at malikhaing paglutas ng problema na hindi kayang gayahin ng mga makina. Sinusuportahan ng arkitektura ng platform ng Stellar Cyber ​​ang pananaw na ito sa pamamagitan ng pagbibigay ng pinag-isang pundasyon ng data na kinakailangan ng agentic AI upang gumana nang epektibo sa lahat ng mga domain ng seguridad.

Patuloy na Pag-aaral at Pag-aangkop

Hindi tulad ng static automation, ang mga agentic AI agent ay bumubuti sa paglipas ng panahon. Natututo sila mula sa mga desisyon ng analyst, umaangkop sa mga bagong diskarte sa pag-atake, at pinipino ang kanilang mga modelo batay sa feedback ng organisasyon. Lumilikha ito ng isang mabuting siklo kung saan ang SOC nagiging mas episyente at epektibo sa bawat insidenteng naproseso, anuman ang antas ng pangangasiwa nito.

Pagsira sa mga Tier Silo

Isa sa mga pinakamahalagang epekto ng agentic AI ay ang paglabo ng mga matibay na hangganan ng tier. Kapag ang AI ang humahawak sa mga mekanikal na aspeto ng triage at imbestigasyon, ang pagkakaiba sa pagitan ng mga tier ay nagiging hindi gaanong tungkol sa pagtatalaga ng gawain at higit pa tungkol sa antas ng kadalubhasaan. SOC Ang mga analyst sa lahat ng antas ay maaaring makisali sa mga gawaing may mas mataas na halaga, at nagiging mas maayos ang pag-unlad sa karera dahil ang mga junior analyst ay nalalantad sa mga kumplikadong senaryo sa pamamagitan ng mga buod ng imbestigasyon na binuo ng AI at mga daloy ng trabaho na may gabay na pagsusuri.

Ang Bagong Papel ng SOC Mga Analyst sa isang AI-First SOC

Habang ang agentic AI ay umaako ng responsibilidad para sa mga karaniwang gawain sa operasyon, ang papel ng SOC ang mga analyst ay hindi nababawasan kundi binibigyang-kahulugan muli. Ang mga organisasyong matagumpay na umaangkop Mga operasyong panseguridad na hinihimok ng AI kinikilala na ang mga taong analyst ay nananatiling mahalaga, ngunit ang mga kasanayan at responsibilidad na tumutukoy sa kanilang halaga ay lubhang nagbabago.

Mula sa mga Operator hanggang sa mga Istratehista

SOC Ang mga analyst ay lalong gumaganap bilang mga strategic thinker sa halip na mga alerto sa pagproseso. Ang kanilang mga responsibilidad ay lumalawak upang maisama ang:
  • Pangangasiwa at pamamahala ng AI: Pagsusuri sa mga desisyon ng ahente ng AI, pagtukoy sa mga bias o kakulangan sa awtomatikong pangangatwiran, at pagtiyak na ang mga autonomous na aksyon ay naaayon sa mga patakaran ng organisasyon.
  • Inhinyeriya ng pagtukoy: Pagdidisenyo at pagpino ng lohika ng pagtuklas na ginagamit ng mga ahente ng AI, gamit ang karanasan sa insidente sa totoong mundo upang mapabuti ang saklaw.
  • Pagmomodelo ng banta: Pag-asam sa kilos ng umaatake at pagbuo ng mga proactive na estratehiya sa depensa sa halip na tumugon sa mga alerto pagkatapos ng pangyayari.
  • Cross-functional na pakikipagtulungan: Pakikipagtulungan sa mga pangkat ng IT, development, at business upang maisama ang mga insight sa seguridad sa mas malawak na paggawa ng desisyon sa organisasyon.

Mga Kasanayang Pinakamahalaga

Ang hanay ng kasanayan para sa SOC nagbabago ang mga analyst. Bagama't nananatiling mahalaga ang teknikal na kahusayan, ang mga sumusunod na kakayahan ay lalong nagiging mahalaga:
  1. Kritikal na pag-iisip at paghatol: Pagsusuri ng mga natuklasang binuo ng AI at paggawa ng mga desisyon sa mga hindi malinaw na sitwasyon kung saan ang awtomatikong pagsusuri ay walang tiyak na konklusyon.
  2. Communication: Pagsasalin ng mga teknikal na natuklasan sa wikang may kaugnayan sa negosyo para sa mga ehekutibo at stakeholder.
  3. Kaalaman sa AI: Pag-unawa sa kung paano gumagana ang mga modelo ng AI, ang kanilang mga limitasyon, at kung paano bigyang-kahulugan ang mga marka ng kumpiyansa at mga rekomendasyon.
  4. Pag-iisip na may tunggalian: Nag-iisip na parang isang umaatake upang matukoy ang mga kakulangan na hindi natatakpan ng mga patakaran o ng mga modelo ng AI sa kasalukuyan.

Pagpapaunlad ng Karera sa isang AI-Augmented SOC

para SOC Sa mga koponan, ang agentic AI ay lumilikha ng mga bagong landas sa karera. Ang mga analyst ay maaaring magpakadalubhasa sa AI tuning at optimization, detection engineering, threat intelligence analysis, o incident response leadership. Ang pagbawas sa paulit-ulit na trabaho ay nangangahulugan din na ang mga junior analyst ay maaaring mas mabilis na mapaunlad ang mga advanced na kasanayan, na nagpapabilis sa kanilang pag-unlad mula sa mga entry-level na tungkulin patungo sa mga posisyon ng eksperto.

Pagpapanatili ng Elementong Pangtao

Ang pinakaepektibong AI-first SOCPinapanatili ng mga organisasyon ang isang malakas na elemento ng tao. Ang etikal na paghatol, pag-unawa sa konteksto ng mga operasyon ng negosyo, at ang kakayahang ipaalam ang panganib sa mga hindi teknikal na stakeholder ay mga kakayahang hindi kayang gayahin ng AI. Ang mga organisasyong namumuhunan sa kanilang mga analyst kasama ng kanilang mga kakayahan sa AI ay nabubuo SOC mga koponan na parehong mas may kakayahan at mas matatag.

Mga Karaniwang Hamon Kapag Nag-aampon ng Agentic AI sa SOC

Sa kabila ng potensyal nitong magbago, ang pag-deploy ng agentic AI sa mga operasyon ng seguridad ay hindi walang mga hadlang. Dapat harapin ng mga organisasyon ang mga teknikal, kultural, at operasyonal na hamon upang mapagtanto ang buong benepisyo ng isang agentic AI. SOC modelo.

Tiwala at Transparency

Kailangang magtiwala ang mga analyst sa mga desisyon ng mga ahente ng AI bago sila umasa sa mga ito. Ang mga black-box AI model na nagbibigay ng mga konklusyon nang walang paliwanag ay lumilikha ng pagtutol. Ang matagumpay na implementasyon ay inuuna ang kakayahang maipaliwanag, tinitiyak na ang bawat rekomendasyon ng AI ay kinabibilangan ng kadena ng pangangatwiran at ebidensya na humantong dito. Tinutugunan ito ng Stellar Cyber ​​sa pamamagitan ng pagbibigay ng mga transparent na metodolohiya sa pagmamarka at detalyadong mga salaysay ng insidente na maaaring mapatunayan nang nakapag-iisa ng mga analyst.

Kalidad at Pagsasama ng Data

Ang Agentic AI ay kasing epektibo lamang ng datos na kaya nitong ma-access. Kabilang sa mga karaniwang hamon sa datos ang:
  • Hindi kumpletong saklaw ng telemetrya: Ang mga kakulangan sa koleksyon ng log mula sa mga endpoint, cloud workload, o mga segment ng network ay naglilimita sa kakayahan ng AI na bumuo ng kumpletong mga larawan ng pag-atake.
  • Normalisasyon ng datos: Ang hindi pare-parehong mga format ng data sa iba't ibang tool at vendor ay lumilikha ng ingay na kailangang salain ng mga AI agent bago magsimula ang pagsusuri.
  • Pagkakaroon ng datos sa kasaysayan: Ang mga modelo ng AI ay nangangailangan ng sapat na makasaysayang datos upang magtatag ng mga baseline ng pag-uugali at tumpak na matukoy ang mga anomalya.

Paglaban sa Organisasyon

Itinuturing ng ilang analyst ang AI bilang isang banta sa kanilang mga trabaho sa halip na isang kasangkapan na nagpapahusay sa kanilang trabaho. Ang pagdaig sa pagtutol na ito ay nangangailangan ng malinaw na komunikasyon tungkol sa kung paano magbabago ang mga tungkulin, pamumuhunan sa mga programa sa pagsasanay, at pagpapakita ng mga maagang tagumpay na nagpapakita sa mga analyst kung paano binabawasan ng AI ang kanilang pasanin sa halip na palitan ang kanilang kadalubhasaan.

Pamamahala at Pagsunod

Ang mga awtomatikong aksyon na ginagawa ng mga ahente ng AI, tulad ng paghihiwalay ng isang endpoint o pagharang sa isang user account, ay may kaakibat na panganib. Ang mga organisasyon ay dapat magtatag ng malinaw na mga balangkas ng pamamahala na tumutukoy kung anong mga aksyon ang maaaring gawin ng AI nang nakapag-iisa, kung ano ang nangangailangan ng pag-apruba ng tao, at kung paano ino-audit ang mga awtomatikong desisyon. Ang mga kinakailangan sa regulasyon sa mga industriya tulad ng pangangalagang pangkalusugan at pananalapi ay nagdaragdag ng karagdagang kasalimuotan sa mga istrukturang ito ng pamamahala.

Pag-iwas sa Sobrang Pag-asa

May panganib na SOC Ang mga pangkat ay nagiging labis na umaasa sa AI at nawawalan ng kakayahang gumana nang epektibo sa panahon ng mga pagkawala ng sistema ng AI o sa mga sitwasyon kung saan ang mga modelo ng AI ay nagbibigay ng maling mga resulta. Ang pagpapanatili ng mga kasanayan sa manu-manong pagsisiyasat at pagsasagawa ng mga regular na ehersisyo nang walang tulong ng AI ay nakakatulong na matiyak ang katatagan sa pagpapatakbo.

Ang Kinabukasan ng Tier 1, Tier 2, at Tier 3 SOC Teams

Ang landas ng pag-aampon ng agentic AI ay tumutukoy sa isang pangunahing muling pagbubuo ng kung paano SOC Ang mga pangkat ay organisado, may tauhan, at sinusukat. Bagama't ang three-tier model ay hindi mawawala sa isang iglap, ang matibay nitong mga hangganan ay lumalambot na habang ang mga ahente ng AI ay umaako ng mga responsibilidad sa pagpapatakbo na dating tumutukoy sa pagkakakilanlan ng bawat tier.

Tagpo ng mga Tier

Habang ang AI ang humahawak sa karamihan ng triage at paunang imbestigasyon, ang functional gap sa pagitan ng tier 1 at tier 2 ay lumiliit. Ang mga organisasyon ay maaaring lumipat patungo sa mas patag na antas. SOC mga istruktura kung saan ang mga analyst ay pinag-iiba ayon sa kadalubhasaan at espesyalisasyon sa halip na sa mga mekanikal na gawain na kanilang isinasagawa. Ang mga Tier 3 analyst ay patuloy na hahawak ng isang natatanging papel, ngunit ang kanilang pokus ay lilipat pa patungo sa strategic threat intelligence, pakikipagtulungan ng red team, at pagpapayo sa arkitektura ng seguridad.

Ang Ahente SOC Operating Modelo

Ang agentic SOC sa malapit na hinaharap ay malamang na gagana sa isang modelo kung saan:
  • Ang mga ahente ng AI ay nagsisilbing pangunahing puwersang pang-operasyon, paghawak ng alert triage, imbestigasyon, at mga karaniwang aksyon sa pagtugon sa buong araw nang walang pagkapagod o mga limitasyon sa kapasidad.
  • Ang mga human analyst ay nagsisilbing mga superbisor, strategist, at exception handler, panghihimasok para sa mga kumplikadong desisyon, mga bagong banta, at mga sitwasyon na nangangailangan ng pagpapasya sa negosyo.
  • Patuloy na mga loop ng feedback ang koneksyon sa pagitan ng mga analyst at mga ahente ng AI ay nagtutulak ng patuloy na pagpapabuti sa katumpakan ng pagtuklas, kalidad ng imbestigasyon, at bisa ng pagtugon.

Mga Implikasyon sa Pagtatrabaho at Talento

Ang patuloy na kakulangan ng mga tauhan sa cybersecurity ay ginagawang hindi lamang kapaki-pakinabang kundi kinakailangan din ang pag-aampon ng ahente ng AI. Ang mga organisasyong hindi kayang kumuha ng sapat na bihasang tauhan SOC Maaaring gamitin ng mga analyst ang mga ahente ng AI upang mapanatili ang saklaw ng operasyon habang namumuhunan sa pagbuo ng mga analyst na mayroon sila. Ang pamamaraang ito ay nagbibigay-daan sa mas maliliit SOC mga pangkat upang makamit ang mga resulta sa seguridad na dating nangangailangan ng mas malaking kawani.

Ano ang Dapat Gawin Ngayon ng mga Organisasyon

Paghahanda para sa AI-augmented SOC nangangailangan ng aksyon sa maraming dimensyon:
  • Suriin ang kahandaan ng plataporma: Suriin kung kayang suportahan ng iyong kasalukuyang imprastraktura ng seguridad ang agentic AI sa pamamagitan ng pagbibigay ng pinag-isang access sa data at mga integrasyon ng API na kailangan ng mga AI agent. Ang mga platform tulad ng Stellar Cyber ​​na pinagsasama-sama ang telemetry sa iba't ibang security domain ay nagbibigay ng matibay na pundasyon.
  • Mamuhunan sa pagpapaunlad ng analyst: Simulan ang pagsasanay SOC mga analyst sa AI literacy, detection engineering, at strategic thinking kasama ng kanilang mga tradisyonal na teknikal na kasanayan.
  • Magsimula sa mga nakatutok na kaso ng paggamit: I-deploy ang agentic AI para sa mga partikular at mahusay na natukoy na mga daloy ng trabaho tulad ng phishing triage o endpoint alert correlation bago palawakin sa mas malawak na autonomous na operasyon.
  • Itatag ang pamamahala nang maaga: Tukuyin ang mga patakaran para sa awtonomiya ng ahente ng AI, pag-awdit ng desisyon, at mga limitasyon sa pagpapataas ng antas bago i-deploy ang mga kakayahang awtonomous sa produksyon.

Isang Collaborative na Kinabukasan

Ang hinaharap ng SOC Ang mga pangkat ay hindi isang pagpipilian sa pagitan ng mga analyst na tao at artificial intelligence. Ito ay isang pakikipagsosyo kung saan ang bawat isa ay nag-aambag sa pinakamahusay nitong nagagawa. Ang mga ahente ng AI ay nagdadala ng bilis, laki, at pagkakapare-pareho. Ang mga analyst na tao ay nagdadala ng paghatol, pagkamalikhain, at kakayahang maunawaan ang mga banta sa kanilang buong konteksto ng organisasyon. Ang mga organisasyong yumayakap sa pakikipagsosyo na ito, na namumuhunan sa kanilang teknolohiya at sa kanilang mga tao, ay bubuo ng mga operasyon sa seguridad na may kakayahang ipagtanggol laban sa mga banta ng 2026 at sa mga susunod pang panahon.
Mag-scroll sa Tuktok
Mag-sign Up Para sa Mga newsletter