Kindo ha presentato Deep Hat Sift, un modello decisionale progettato per selezionare gli eventi che richiedono effettivamente l’intervento di un agente di intelligenza artificiale, riducendo le esecuzioni superflue e i relativi costi computazionali. La soluzione si inserisce a monte degli agenti basati su modelli linguistici e analizza i flussi di eventi provenienti da sistemi di sicurezza, infrastrutture IT e applicazioni aziendali. Il funzionamento si basa su un modello rapido e specializzato, definito System One, incaricato di determinare se un determinato evento debba essere sottoposto a un’analisi più approfondita. Deep Hat Sift apprende dalle valutazioni restituite dall’agente di destinazione, identificando progressivamente gli eventi che quest’ultimo tende a considerare irrilevanti o non meritevoli di intervento. Ogni modello viene associato a una specifica sorgente, a un agente e a un’attività di filtraggio, permettendo di adattare il comportamento decisionale alle caratteristiche del flusso operativo senza richiedere necessariamente un processo separato di etichettatura manuale dei dati.
L’attivazione prevede inizialmente una modalità di osservazione, denominata shadow mode, durante la quale tutti gli eventi continuano a raggiungere l’agente AI, mentre Deep Hat Sift produce parallelamente le proprie valutazioni. Il sistema confronta le previsioni con i risultati effettivi e presenta agli operatori un’anteprima degli eventi che verrebbero esclusi. Il filtraggio può essere abilitato soltanto dopo l’approvazione umana di una soglia decisionale, accompagnata da una motivazione documentata. Per controllare gli eventuali errori di esclusione, la piattaforma mantiene un campionamento casuale degli eventi filtrati, sottoponendone una parte all’agente per verificare la corrispondenza tra le decisioni. Il sistema dispone inoltre di controlli sul deterioramento delle prestazioni, registri delle esclusioni e meccanismi fail-open: qualora la qualità delle valutazioni peggiori, gli eventi vengono nuovamente inoltrati integralmente all’agente. Sono previsti anche limiti operativi che possono riportare il sistema alla modalità di osservazione in presenza di aumenti anomali del traffico.
Deep Hat Sift è destinato a flussi caratterizzati da elevati volumi di informazioni e da una percentuale relativamente contenuta di eventi che richiedono interventi, come gli avvisi SIEM, le segnalazioni degli endpoint, i ticket di assistenza, le comunicazioni di phishing, i registri di sistema e le pipeline Kafka. Le possibili integrazioni riguardano anche ambienti monitorati attraverso Splunk, Datadog e New Relic. La soluzione opera all’interno della piattaforma Kindo, mantenendo le funzionalità di gestione degli agenti, controllo degli accessi, attribuzione dei costi e supervisione operativa. La disponibilità comprende installazioni on-premise, cloud autogestiti, infrastruttura cloud Kindo e ambienti isolati dalla rete. L’elaborazione preliminare viene eseguita nell’ambiente in cui è installata la piattaforma. Kindo non ha comunicato una percentuale universale di risparmio, poiché la riduzione delle esecuzioni dipende dal volume degli eventi, dalla loro rilevanza, dalle soglie approvate e dal costo delle analisi evitate.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)