¿Qué es la Prevención de Amenazas Agencial?

Prev Next

"Visión general"

La Prevención de Amenazas Agencial defiende contra mutaciones de ataque autónomas impulsadas por IA a la velocidad de la máquina. Utiliza agentes de IA para identificar ataques y aplicar y adaptar protecciones antes de que ocurra cualquier impacto. Esto reduce su superficie de ataque y detiene las amenazas de IA de vanguardia sin esperar una intervención manual.

Comprendiendo la Amenaza de la IA de Vanguardia

Los ataques de IA de vanguardia no son impulsados ni limitados por humanos. Los agentes de inteligencia artificial ahora pueden planificar, ejecutar y adaptar cadenas de ataques de múltiples etapas de manera autónoma, acelerando el descubrimiento de vulnerabilidades, personalizando tácticas en tiempo real para evadir defensas y ejecutando ataques a una velocidad, escala y sofisticación cada vez mayores.

La protección contra los ataques de IA de frontera está más allá de los límites de las protecciones tradicionales. Las reglas estáticas y firmas están diseñadas para ataques conocidos, mientras que los atacantes de IA de frontera continúan mutando su comportamiento para eludirlas. La protección efectiva debe operar a velocidad de máquina usando un contexto continuo y específico del entorno para identificar y bloquear caminos de ataque emergentes.

Cómo la prevención de amenazas agente protege su red

La prevención de amenazas agente utiliza agentes de IA impulsados por el modelo de lenguaje Opus 4.6. Los agentes analizan el tráfico a nivel de red y las señales de seguridad cada tres horas. Cada análisis revisa la actividad de las últimas 24 horas a través de usuarios, hosts, sitios, aplicaciones y otras entidades. Esta ventana móvil proporciona un contexto específico de cuenta sobre patrones de uso típicos y actividad esperada.

Usando este contexto, los agentes razonan sobre patrones de comportamiento sospechoso. A velocidad de máquina, correlacionan secuencias de actividad, temporización, eventos vistos por primera vez y señales de múltiples motores de seguridad. Este razonamiento conecta señales individuales y las compara con el comportamiento establecido y el contexto de la red en general. Puede revelar ataques emergentes, incluidos los que utilizan caminos previamente no vistos. Por ejemplo, descargar un archivo binario puede ser normal para un administrador de TI. La misma acción puede indicar riesgo cuando la realiza un usuario sin historial de ese comportamiento.

Cuando la actividad indica un riesgo elevado, el agente predice el siguiente paso del ataque y determina la respuesta adecuada aplicando automáticamente controles temporales y dinámicos. Estos controles bloquean el acceso a servicios, acciones o caminos de acceso expuestos, aplicando mitigaciones basadas en un análisis exhaustivo e investigación de numerosos escenarios de violaciones por parte del equipo de investigación de Cato.

Los agentes reevaluan continuamente el comportamiento a lo largo del tiempo y ajustan o eliminan controles a medida que cambian las condiciones. Esto reduce la superficie de ataque, limita la intervención manual y preserva la visibilidad y control administrativos. Para monitorear cómo la prevención de amenazas agente protege su red, consulte Monitorización de la prevención de amenazas agente.

Para proporcionar una vista más completa del comportamiento arriesgado de los usuarios, los eventos de bloqueo desencadenados por el motor de seguridad de la prevención de amenazas agente se incorporan en la puntuación de riesgo del usuario. Para más información, consulte Comprender el Nivel de Riesgo del Usuario.

La prevención de amenazas agente le permite:

  • Adelántese a los ataques de frontera adaptando protecciones específicas del entorno a velocidad de máquina a medida que cambia el comportamiento del atacante

  • Automatizar la prevención de amenazas aplicando automáticamente controles dinámicos que detienen los ataques antes de que puedan avanzar

  • Imponer controles en todas partes para usuarios, sitios y aplicaciones

Requisitos de licencia

  • Para clientes con una licencia activa de protección avanzada contra amenazas a partir de agosto de 2026, esta licencia también incluye la prevención de amenazas agente

  • Para otros clientes, la prevención de amenazas agente requiere una licencia de prevención de amenazas agente (esto requiere una licencia de prevención de amenazas o de protección avanzada contra amenazas)

Caso de uso: bloqueo de un ataque de IA agente antes del establecimiento de comando-y-control

Un empleado de la empresa ABC interactuó con un agente de IA malicioso disfrazado como asistente de productividad legítimo. Después de ganarse la confianza del empleado, el agente intentó ejecutar un ataque de múltiples pasos enumerando recursos locales, identificando aplicaciones sensibles y preparando el punto final para acceso remoto persistente. La secuencia de acciones era atípica para el usuario y no se había producido anteriormente en el dispositivo.

La prevención de amenazas agente analizó la cadena de eventos, reconoció el razonamiento coordinado y planeó la característica de un ataque autónomo impulsado por IA, y determinó que la actividad representaba un reconocimiento malicioso que precedía al establecimiento de comando-y-control.

Basándose en esta evaluación, la prevención de amenazas agente aplicó controles preventivos antes de que el ataque pudiera progresar. Bloqueó la descarga y ejecución de AnyDesk, impidiendo que el agente de IA estableciera acceso remoto y mantuviera el comando-y-control. Esto interrumpió el ataque antes de que se pudieran entregar herramientas adicionales, cargas útiles o instrucciones, reduciendo significativamente el riesgo de robo de credenciales, escalamiento de privilegios y movimiento lateral.

Al detectar autónomamente la intención detrás de la actividad en lugar de depender de indicadores individuales, la prevención de amenazas agente contuvo el ataque impulsado por IA sin requerir intervención manual.

Entendiendo cómo funciona la prevención de amenazas agente

La prevención de amenazas agente analiza continuamente la actividad en todo su entorno para identificar y detener comportamientos sospechosos utilizando el siguiente proceso de cinco pasos:

  1. Build an Entity Baseline: Agentic Threat Prevention’s AI agents monitor network activity over time to establish normal behavior across your network.

  2. Detect Deviations: Agents collect real-time signals from multiple security engines, including services such as Anti-Malware, IPS, Firewall and SAM. It also analyzes long-term insights from the Cato data lake, which aggregates all security events. AI agents reasoning identifies suspicious behavioral patterns compared against the behavioral baseline to identify abnormal activity. Even actions that appear benign can be flagged if they significantly deviate from normal behavior.

  3. Dynamic Controls: When suspicious behavior is detected, to reduce the attack surface, the agent predicts the next stage of the attack and applies customized controls to prevent it from progressing. Multiple controls can be applied for a single suspicious behavior.

  4. Block Malicious Action: If a malicious action is taken, it is blocked in real time to prevent threats.

  5. Adapt Dynamic Controls: Agents continuously reevaluate entity behavior and dynamically adjust or expire the applied controls as the risk level changes.

Cómo la prevención de amenazas agente complementa los motores de seguridad existentes

Los ataques agente introducen tres desafíos que los modelos de seguridad tradicionales proporcionan protección limitada a:

  • Velocidad de máquina: Los ataques se ejecutan y avanzan más rápido de lo que los flujos de trabajo de respuesta manejados por humanos pueden reaccionar

  • Adaptable: Los atacantes impulsados por IA iteran continuamente, cambiando de táctica después de cada intento fallido hasta que encuentran un camino que tiene éxito

  • Autónomo: Las cadenas de ataque planean y ejecutan sin un humano en el bucle, por lo que nunca se detienen, esperan o pierden el enfoque

Los motores de seguridad de Cato existentes proporcionan protección precisa contra amenazas conocidas y violaciones de políticas. Efectivamente imponen políticas y bloquean ataques en etapas específicas del ciclo de vida. Sin embargo, dependen de detecciones definidas de antemano, firmas y reglas creadas por investigadores de seguridad basados en técnicas de ataque conocidas.

Los atacantes agente pueden modificar continuamente sus técnicas hasta que encuentran un camino de ataque disponible más rápido de lo que se pueden investigar, escribir y desplegar nuevas detecciones. La prevención de amenazas agente empareja el modelo de operación del atacante con una capa de razonamiento autónomo. Analiza continuamente el contexto específico de la cuenta a partir del tráfico, eventos de seguridad, inteligencia de amenazas y comportamiento de entidades. A diferencia del atacante, el agente tiene visibilidad continua del entorno y acceso inmediato a controles de aplicación. Esta ventaja de contexto ayuda al agente a identificar patrones de comportamiento sospechosos y caminos de ataque emergentes.

El agente detecta comportamientos sospechosos sin esperar a que los investigadores creen nuevas firmas. Selecciona la respuesta adecuada basada en el contexto y el riesgo de cada detección. Luego, la prevención de amenazas agente aplica controles dinámicos a través de los motores de aplicación existentes de Cato a velocidad de máquina.

El agente reevaluar continuamente la actividad y ajusta o elimina controles a medida que el riesgo cambia. Esto proporciona prevención proactiva sin requerir un humano en el bucle.

Los motores de seguridad existentes imponen controles precisos, mientras que la prevención de amenazas agente razona sobre el contexto de manera autónoma y orquesta la respuesta. Juntos, detienen los ataques agente antes de que puedan progresar, sin agregar complejidad de políticas o sobrecarga operativa.