O que é IA por meio de Agentes na cibersegurança?

Os sistemas de IA por meio de Agentes são frequentemente concebidos com supervisão humana integrada para equilibrar autonomia com controlo.

Na abordagem da Microsoft à IA por meio de Agentes para a cibersegurança, isto é concebido como um modelo colaborativo em que as pessoas que operam podem monitorizar e orientar o comportamento do sistema.

Exemplos comuns incluem:

• Raciocínio transparente. Os sistemas da Microsoft fornecem contexto de suporte e justificação com recomendações para ajudar os analistas a compreender os resultados do sistema e os caminhos de decisão.

• Aprovação e ajuste. As equipas podem rever, aprovar, rejeitar ou ajustar as ações do sistema, incorporando feedback para melhorar continuamente os resultados.

• Controlos auditáveis. As atividades são regidas por controlos de segurança empresariais, como acesso baseado em funções, registos de auditoria e salvaguardas de fluxo de trabalho, para apoiar os requisitos de responsabilidade e conformidade.

A IA por meio de Agentes pode responder dinamicamente a condições em mudança e ajustar o seu comportamento com base no contexto devido a um processo chamado ciclo por meio de agentes, uma sequência de passos que o agente repete até alcançar o seu objetivo.

Perceber → Raciocinar → Planear → Agir → Aprender

• Perceber. O sistema recolhe informações do seu ambiente, incluindo registos, alertas, atividade do utilizador, informações sobre ameaçase dados de ferramentas e sistemas ligados.
• Motivo. Analisa as informações, identifica padrões, avalia riscos e determina o que os dados significam no contexto.
• Planear. Com base nos seus objetivos, o sistema desenvolve uma sequência de ações para alcançar o resultado pretendido.
• Agir. O agente executa tarefas, como isolar um dispositivo, abrir um ticket, escalar um alerta ou recolher provas adicionais, ao interagir com ferramentas, sistemas ou fluxos de trabalho.
• Saiba mais. O sistema avalia os resultados das suas ações e utiliza feedback, novos dados e resultados anteriores para melhorar decisões e respostas futuras.

Para fazer com que a IA por meio de Agentes funcione eficazmente, as equipas também precisam de decidir se querem usar um sistema de agente único ou um sistema multiagente. Um sistema de agente único baseia-se num único agente para fazer a gestão de tarefas e decisões, o que funciona bem quando os fluxos de trabalho são relativamente contidos e as decisões são centralizadas. Se os fluxos de trabalho forem complexos ou exigirem diferentes tipos de especialização, as organizações criam frequentemente um sistema multiagente que usa vários agentes de IA especializados em cibersegurança que trabalham em conjunto para um objetivo comum.

Mesmo com capacidades autónomas, a supervisão por pessoas continua a ser importante. Muitas organizações recorrem a pontos de verificação e etapas de aprovação que envolvem a intervenção humana para ações sensíveis ou de alto risco, a fim de ajudar a manter a governação, a responsabilização e o controlo operacional.

As diferenças entre a automatização tradicional, a IA generativa e a IA por meio de agentes tornam-se mais claras quando comparadas ao longo de dimensões essenciais.

Infelizmente, as empresas e os governos não são os únicos a adotar IA a um ritmo acelerado. Os agentes maliciosos estão a usar sistemas por meio de agentes para aumentar a velocidade e a escala dos seus ciberataques, o que está a criar ou a agravar vários desafios de cibersegurança, incluindo:

• O desafio da escala. As equipas de segurança enfrentam frequentemente volumes avassaladores de alertas, complexidade crescente dos dados e escassez contínua de analistas.
• O desafio da velocidade. Os ciberatacantes automatizam cada vez mais as suas operações, enquanto muitos defensores ainda dependem de processos manuais de triagem e resposta a incidentes .
• O desafio da fiabilidade e da precisão. A exposição prolongada a turnos noturnos e a grandes volumes de tarefas repetitivas pode levar à fadiga e ao esgotamento dos analistas, aumentando o risco de inconsistência e de erro humano.
• O desafio da resiliência. As organizações modernas operam em ambientes híbridos que incluem plataformas cloud, dispositivos, identidades, aplicações e serviços de terceiros. Esta superfície de ataque em expansão aumenta o risco operacional e cria mais oportunidades para os ciberatacantes.

A IA por meio de Agentes na cibersegurança ajuda as equipas de segurança a operar de forma mais eficaz em ambientes que estão a tornar-se demasiado complexos, rápidos e interligados para operações de segurança (SecOps) totalmente manuais . Isto difere da segurança de IA por meio de agentes mais abrangente, que se centra em proteger os próprios sistemas de IA.

Em vez de substituir as equipas de segurança, a IA por meio de agentes atua como um multiplicador de força em todas as operações de cibersegurança, gerando benefícios como:

• Tempo médio mais rápido para detetar e responder (MTTD/MTTR). A IA por meio de agentes pode investigar alertas, correlacionar sinais e coordenar ações de resposta rapidamente, ajudando as equipas a reduzir os tempos de deteção e resposta.
• Menor fadiga dos analistas e mais tempo para trabalho de elevado valor. Ao tratar tarefas repetitivas e morosas, a IA por meio de agentes ajuda a reduzir a fadiga causada por alertas e permite que os analistas se concentrem em investigações e tomada de decisões mais estratégicas.
• Triagem e resposta consistentes e repetíveis. A IA por meio de agentes aplica fluxos de trabalho e processos de forma consistente em todos os incidentes, melhorando a fiabilidade operacional ao reduzir a variabilidade causada por operações manuais.
• Cobertura permanente e escala elástica. Ao contrário das equipas humanas, a IA por meio de agentes pode funcionar continuamente e escalar para lidar com grandes volumes de alertas, eventos e dados sem necessitar de pessoal adicional.
• Melhor relação sinal-ruído e priorização. A IA por meio de agentes pode analisar grandes quantidades de dados contextuais para ajudar a identificar as ameaças mais importantes, reduzindo alertas desnecessários e melhorando a priorização.
• Maior resiliência e gestão proativa de riscos. A IA por meio de agentes pode monitorizar continuamente os ambientes, identificar potenciais fragilidades e suportar medidas de segurança proativas que ajudam as organizações a reduzir o risco e a melhorar a resiliência operacional ao longo do tempo.

Vários casos de utilização demonstram como pessoas e agentes podem trabalhar em conjunto para reforçar a segurança.

As equipas de segurança enfrentam frequentemente mais alertas do que conseguem investigar manualmente, pelo que a priorização é essencial para uma resposta eficaz.

O papel do agente:

• Enriquece os alertas com informações sobre ameaças, contexto de ativos e dados de comportamento dos utilizadores.
• Prioriza incidentes com base no risco e na pontuação de confiança.
• Recomenda os passos seguintes para investigação ou remediação.

O papel do analista:

• Revê incidentes de alta prioridade.
• Valida os resultados e as decisões de escalamento.
• Trata investigações complexas ou sensíveis.

As equipas de segurança dependem de grandes volumes de dados sobre ameaças, o que dificulta a extração rápida de informações relevantes e acionáveis.

A função do agente:

• Recolhe e resume informações sobre ameaças a partir de várias origens.
• Fornece conhecimento situacional em tempo real e relatórios rápidos.
• Correlaciona atividade de ameaças entre ambientes.

O papel do analista:

• Interpreta o risco estratégico e as tendências de ameaças.
• Valida a relevância e o impacto da inteligência.
• Orienta as prioridades e o planeamento da resposta.

Identificar ameaças ocultas ou emergentes requer análise contínua em conjuntos de dados grandes e complexos.

O papel do agente:

• Gera hipóteses de pesquisa e consulta fontes de dados.
• Itera em grandes conjuntos de dados para identificar atividade suspeita.
• Realiza pesquisas contínuas em segundo plano para detetar ameaças emergentes.

O papel do analista:

• Valida as conclusões e determina o impacto nos negócios.
• Investiga atividade de ciberataque avançado ou direcionado.
• Refina as estratégias e prioridades de investigação.

Responder a incidentes de segurança requer uma coordenação rápida entre atividades de deteção, investigação e contenção.

a função do agente:

• Automatiza a recolha de evidências e a documentação de incidentes.
• Cria rascunhos de cronologias e resume a atividade de ciberataque.
• Conclui ações de contenção com aprovação dos analistas.
• Ajuda a proteger pontos finais e a automatizar fluxos de trabalho de remediação de vulnerabilidades.

Opapeldoanalista:

• Aprova ações de resposta de alto risco.
• Supervisiona os esforços de remediação e recuperação.
• Coordena a comunicação e a revisão pós-incidente.

As organizações têm de identificar e priorizar fragilidades de segurança antes de serem exploradas por agentes maliciosos.

A função do agente:

• Prioriza vulnerabilidades com base no nível de risco e no valor dos ativos em risco.
• Identifica exposições em ambientes cloud, de ponto final e de identidade.
• Recomenda caminhos de remediação e ações de mitigação.

O papel do analista:

• Determina prioridades de remediação com base no risco de negócio.
• Valida as ações recomendadas.
• Coordena os esforços de aplicação de patches e redução de risco.

A monitorização da atividade de identidade é fundamental para detetar acessos não autorizados e evitar a utilização indevida de privilégios.

A função de o agente:

• Deteta padrões invulgares de início de sessão e de acesso.
• Identifica permissões de risco e riscos de escalamento de privilégios.
• Monitoriza continuamente ameaças relacionadas com identidades.

A função do administrador de identidade e acesso:

• Revê eventos de acesso de alto risco.
• Aprova alterações a políticas ou permissões.
• Investiga potenciais atividades de comprometimento interno ou de contas.

As equipas de segurança têm de construir e aperfeiçoar continuamente a lógica de deteção para acompanhar a evolução das ameaças.

A função de o agente:

• Escreve e testa a lógica de deteção.
• Valida a cobertura da deteção e identifica lacunas.
• Sugere melhorias de afinação para reduzir falsos positivos.

O papel do analista:

• Revê e aprova atualizações de deteção.
• Alinha as deteções com as prioridades da organização.
• Supervisiona a arquitetura e a estratégia de segurança a longo prazo.

Proteger dados confidenciais requer monitorização contínua, classificação e aplicação de políticas de segurança.

A função do agente:

• Investiga e prioriza riscos de prevenção de perda de dados e riscos internos.
• Automatiza a deteção e a análise de riscos associados a dados confidenciais em vários ambientes.
• Identifica violações de políticas e lacunas de conformidade.

O papel da administração de segurança de dados:

• Revê eventos de exposição de dados de alto risco.
• Determina os requisitos de conformidade e governação.
• Supervisiona decisões de remediação e aplicação de políticas.

A IA por meio de agentes em cibersegurança fornece o maior valor quando ajuda as equipas a analisar dados, enriquecer alertas e responder a vulnerabilidades e ameaças em todo o ambiente. Para tal, as organizações utilizam APIs para ligar os agentes de segurança às ferramentas que já utilizam, tais como SOAR, deteção e resposta alargadas (XDR), gestão da postura de segurança na nuvem (CSPM), gestão de identidades e acessos (IAM), gestão de informações e eventos de segurança (SIEM), deteção e resposta em terminais (EDR) e soluções de gestão de tickets. Isto permite que sistemas de IA agente recuperem informações, coordenem fluxos de trabalho, acionem ações e atualizem sistemas em tempo real.

A Automatização poupa muito tempo às equipas, mas continua a ser importante manter o controlo e a responsabilização para evitar ações não intencionais. As equipas de segurança normalmente exigem que os analistas revejam decisões de alto risco, ao mesmo tempo que permitem mais autonomia para ações de menor risco. Em qualquer dos casos, é importante estabelecer gestão de dados e controlos de acesso para ajudar a garantir que a IA interage apenas com sistemas e dados aprovados.

As equipas de segurança que têm maior sucesso com IA agente implementam ferramentas de medição para avaliar quão bem estão a cumprir os objetivos. Isto dá-lhes as informações de que precisam para ajustar e aperfeiçoar as respetivas implementações.

As principais métricas de sucesso incluem:

Os dados que ajudam a determinar a eficácia das operações de segurança incluem:

• MTTD e MTTR.
• Número de alertas triadas ou fechadas automaticamente.
• Redução da taxa de falsos positivos.
• Tempo necessário para investigar e resolver incidentes.

Estas métricas dão à liderança uma visão sobre a forma como a IA agente está a mudar a forma como as equipas de segurança usam o seu tempo:

• Horas de Analista recuperadas de investigação e triagem manuais.
• Taxa de escalamento para alertas que exigem intervenção de Analista.
• Tempo de integração de novos analistas que utilizam fluxos de trabalho assistidos por IA.
• Redução de tarefas repetitivas ou de baixo valor.

Os líderes também podem ver de que forma as melhorias de segurança impactam toda a organização com métricas como:

• Custo por incidente de segurança.
• Cobertura em ambientes, identidades, pontos finais e recursos cloud
• Postura geral de conformidade e preparação para auditorias.
• Redução da exposição ao risco operacional ao longo do tempo.

Uma vez que os sistemas agente operam com diferentes níveis de autonomia, a governança, a transparência e o controlo são essenciais para uma implementação segura.

• Agentes sombra e automatização não gerida. À medida que os sistemas agente escalam, as organizações podem criar, sem intenção, agentes não geridos ou duplicados. Sem a supervisão adequada, estes "agentes sombra" podem introduzir comportamento inconsistente ou ações não autorizadas.
• Alucinações e falsos positivos. Tal como outros sistemas de IA, a IA agente pode produzir conclusões incorretas ou interpretar mal os dados, o que pode levar a alertas desnecessários ou ações incorretas se não for validada.
• Automatização excessiva e perda de supervisão. A dependência excessiva da automatização pode reduzir a visibilidade dos processos de tomada de decisão, aumentando o risco de falta de contexto ou de ações inadequadas.
• Privacidade dos dados e controlo de acesso. Os sistemas de IA agente requerem acesso a dados de segurança sensíveis, pelo que controlos rigorosos em torno de permissões, limites dos dados e acesso com privilégios mínimos são críticos.
• Deriva do modelo e manipulação adversária. Com o tempo, o desempenho do modelo pode degradar-se à medida que os ambientes mudam. Além disso, os ciberatacantes podem tentar manipular entradas ou métricas para influenciar o comportamento do agente.

• NIST AI Risk Management Framework (AI RMF) fornece orientações para gerir riscos relacionados com a IA ao longo de todo o ciclo de vida, incluindo governança, mapeamento, medição e gestão.
• ISO/IEC 42001 estabelece requisitos para um sistema de gestão de IA, com foco no desenvolvimento e utilização responsáveis de sistemas de IA.
• EU AI Act introduz a classificação baseada no risco e requisitos de conformidade para sistemas de IA que operam na União Europeia ou têm impacto nela.
• As regulamentações específicas do setor são requisitos exclusivos para determinados setores, como a Lei de Portabilidade e Responsabilidade dos Seguros de Saúde (HIPAA) para proteção de dados de saúde, a Norma de Segurança de Dados da Indústria de Cartões de Pagamento (PCI DSS) para segurança de pagamentos e a Lei Sarbanes-Oxley (SOX) para controlos de relatórios financeiros.

À medida que as equipas de segurança implementam e escalam a IA agente para cibersegurança em todas as suas organizações, uma estratégia ponderada ajuda a melhorar os resultados de segurança, mantendo a transparência, a responsabilização e a confiança entre equipas.

As organizações costumam introduzir a IA por meio de agentes em fases controladas, começando por casos de utilização de baixo risco e de apoio, antes de avançarem para ações de maior impacto. Também é importante dar prioridade à transparência na forma como os agentes de segurança tomam decisões.

Barreiras bem definidas ajudam a limitar o comportamento do agente a limites seguros e esperados. Para reduzir o risco de comportamento inesperado, as equipas definem que ações os agentes de IA para cibersegurança podem executar autonomamente, estabelecem fluxos de trabalho de aprovação para operações de grande impacto ou sensíveis e definem limiares para quando os agentes de segurança precisam de escalar para analistas.

O controlo de acesso baseado em funções (RBAC) ajuda a reduzir o risco de atividade não intencional ao restringir o acesso do agente aos sistemas, dados e ações necessários para a sua função específica. Por este motivo, as equipas de identidade aplicam aos agentes os mesmos princípios de privilégios mínimos que aplicam às pessoas.

Para manter a visibilidade sobre o comportamento do agente, as equipas de segurança registam e auditam todas as ações do agente, incluindo decisões, utilização de ferramentas e resultados. Isto ajuda-as a investigar incidentes, cumprir requisitos de conformidade e detetar problemas de implementação que precisam de ser afinados.

Os analistas têm mais probabilidade de adotar a IA agente se se sentirem informados e com controlo. As organizações podem criar confiança ao garantir que as recomendações do agente são claras e fáceis de entender. Também têm mais sucesso quando utilizam a IA para aumentar, e não substituir, a tomada de decisões do analista.

Centros de operações de segurança (SOCs), TI e equipas de conformidade desempenham todos um papel na implementação segura e eficaz da IA agente, em linha com a tolerância ao risco da organização. Uma equipa interdisciplinar ajuda as organizações a definir casos de utilização operacionais, gerir a integração e a infraestrutura e cumprir os requisitos regulamentares.

Criar fluxos de trabalho totalmente agente que funcionem em vários domínios de segurança é um processo de várias fases. À medida que as organizações aumentam a sua maturidade operacional, precisam de uma governança e supervisão mais fortes.

Na fase mais inicial, as organizações usam scripts e fluxos de trabalho predefinidos para tratar tarefas de segurança repetitivas.

Como é o sucesso:

• Conclusão consistente de tarefas de rotina, como o enriquecimento de alertas ou a criação de tickets.
• Redução do esforço manual em fluxos de trabalho de baixa complexidade.
• Dependência de regras estáticas e manuais de procedimentos.

Indicadores de preparação:

• Integrações estáveis com SIEM, SOAR e sistemas de tickets.
• Processos de operações de segurança claramente definidos e repetíveis.
• Um elevado volume de tarefas repetitivas dos analistas.

Nesta fase, a IA apoia os analistas, melhorando a visibilidade, a síntese e a tomada de decisões, mas não toma ação direta.

Como é o sucesso:

• Investigações mais rápidas através de resumos e informações gerados por IA.
• Melhor compreensão dos alertas e enriquecimento do contexto.
• Os analistas continuam a ser totalmente responsáveis pelas decisões e ações.

Indicadores de preparação:

• Pipelines de dados maduros e métricas centralizadas.
• Processos estabelecidos de operações de segurança.
• Necessidade de apoio mais rápido à triagem e à investigação.

Aqui, a IA agente começa a tomar ações limitadas dentro de barreiras definidas, enquanto as pessoas mantêm a autoridade de aprovação para operações de maior risco.

Como é o sucesso:

• Triagem automatizada, enriquecimento e passos de correção recomendados.
• Redução da carga de trabalho dos analistas em tarefas repetitivas de investigação.
• Aprovação por intervenção humana para medidas de contenção e remediação.

Indicadores de preparação:

• Controlos rigorosos de identidade e acesso para sistemas de automatização.
• Fluxos de trabalho de escalamento e aprovação bem definidos.
• Confiança na qualidade dos dados e nas integrações dos sistemas.

Na fase mais madura, a IA por meio de Agentes opera em vários domínios, coordenando ações com intervenção mínima de analista dentro dos limites estabelecidos. Isto permite a orquestração de segurança de ponta a ponta em toda a organização.

Como é o sucesso:

• Deteção, investigação e resposta contínuas e autónomas em todos os ambientes.
• Coordenação entre domínios de segurança, TI, identidade e sistemas de conformidade.
• As Pessoas concentram-se na governação, na estratégia e no tratamento de exceções.

Indicadores de preparação:

• Estruturas de governação maduras para IA e automatização.
• Métricas de elevada confiança e integridade dos dados em todos os sistemas.
• Alinhamento forte entre equipas de segurança, TI e conformidade.
• Confiança estabelecida na tomada de decisões automatizada com auditabilidade e supervisão.

A IA por meio de Agentes ainda está numa fase inicial da sua curva de adoção, mas várias tendências claras estão a moldar a forma como vai evoluir na área da segurança.

• Red teaming autónomo. Os agentes de IA vão simular cada vez mais o comportamento de adversários para testar continuamente as defesas, identificar fragilidades e validar controlos de segurança em tempo real.
• Ciclos de agentes. A IA por meio de Agentes para operações de segurança vai tornar-se mais contínua e autoaperfeiçoada, com agentes a perceber, agir e aprender com os resultados para refinar a deteção e a resposta.
• Conflito cibernético entre IA e IA. À medida que os ciberatacantes também adotam IA, os futuros confrontos cibernéticos poderão envolver sistemas por meio de agentesdefensivos e ofensivos a competir diretamente entre si.
• Defesa preditiva. Em vez de reagir a incidentes, os sistemas por meio de agentes vão antecipar ameaças ao analisar padrões, dados de exposição e comportamento dos atacantes para impedir ciberataques antes de ocorrerem.
• Agentes de IA colaborativos. Vários agentes especializados vão coordenar-se entre tarefas, como deteção, investigação, remediação e elaboração de relatórios, para criar fluxos de trabalho de segurança mais escaláveis e resilientes.
• Papel em evolução do analista. Os analistas vão deixar de se focar em tarefas repetitivas de investigação e resposta para assumir responsabilidades de maior valor, como supervisão de agentes, conceção de políticas e gestão estratégica de riscos.

As organizações podem detetar, investigar e responder a ameaças em todo o respetivo património digital com uma plataforma de segurança unificada com tecnologia de IA da Microsoft. No centro está o Microsoft Security Copilot, uma solução de segurança assistida por IA e em linguagem natural que permite aos analistas raciocinar sobre incidentes, resumir ameaças e coordenar ações de resposta em todos os ambientes. Os agentes incorporados estendem estas capacidades a soluções Microsoft Security.

As equipas de segurança são muitas vezes sobrecarregadas pelo volume de alertas, pela triagem manual e por investigações fragmentadas. No Microsoft Defender XDR, a IA por meio de Agentes ajuda a priorizar problemas de alto risco, a investigar incidentes mais rapidamente e a melhorar a eficiência da resposta.

• Agente de Triagem de Alertas de Segurança - Prioriza alertas para reduzir o ruído e ajudar os analistas a concentrarem-se mais rapidamente em incidentes de alto risco.
• Agente de Analista de Segurança - Investiga incidentes, correlaciona sinais e recomenda ações de resposta para simplificar os fluxos de trabalho do SOC.
• Agente de Investigação de Ameaças - Procura em todos os ambientes para descobrir ameaças ocultas, comportamentos suspeitos e padrões de ataque emergentes.
• Agente de Deteção Dinâmica de Ameaças - Analisa continuamente a atividade e adapta a lógica de deteção para identificar ameaças e anomalias em evolução.
• Agente de resumo de informações sobre ameaças - Resume as informações sobre ameaças em insights acionáveis para que as equipas se possam antecipar aos riscos emergentes.

Em conjunto, estes agentes ajudam a reduzir a investigação manual e a acelerar a resposta a incidentes em pontos finais, identidades, email e cargas de trabalho na cloud.

No Microsoft Sentinel, o Security Copilot ajuda os analistas a passar da investigação manual para fluxos de trabalho em linguagem natural e orientados por sequência de pedidos. Os analistas podem gerar KQL, resumir incidentes, enriquecer entidades, analisar utilizadores e dispositivos e automatizar passos de investigação através do Logic Apps e de sequência de pedidos.

Um agente personalizado de criação de relatórios de incidentes do Sentinel pode extrair conclusões da investigação, entidades, insights e passos de remediação dos incidentes. As sequência de pedidos também podem automatizar a análise de utilizadores e adicionar conclusões diretamente aos registos de atividade dos incidentes.

Estas capacidades ajudam a reduzir a criação manual de consultas, a melhorar a consistência das investigações e a poupar tempo aos analistas ao automatizar tarefas repetíveis.

No Microsoft Purview, o Security Copilot ajuda as equipas a proteger e governar dados em Gestão da Postura de Segurança de Dados, Prevenção de Perda de Dados, Gestão de Riscos Internos, Deteção de Dados Eletrónicos, Auditoria e Conformidade de Comunicações.

• Agente de Triagem de Segurança de Dados - Prioriza alertas de DLP e de risco interno, explica o contexto do risco e pode iniciar fluxos de trabalho de remediação com os proprietários dos dados.
• Agente da Postura de Segurança de Dados - Descobre dados sensíveis, identifica riscos ocultos e credenciais expostas, melhora a rotulagem de sensibilidade e gera resumos prontos para executivos.

Estes agentes ajudam as equipas de segurança a reduzir a triagem manual, a priorizar riscos críticos mais rapidamente e a reforçar as operações de segurança e conformidade dos dados.

No Microsoft Entra, o Security Copilot ajuda as equipas a investigar utilizadores em risco, inícios de sessão invulgares, acesso privilegiado e ameaças baseadas em identidade. O Copilot pode resumir o contexto da identidade, explicar sinais de risco e recomendar ações como revogação de sessão, análises de acesso ou afinação da política de Acesso Condicional.

As funcionalidades incluem agentes de identidade e acesso e o ID do Agente Microsoft Entra, que ajuda as organizações a registar, gerir e governar identidades de agentes de IA com gestão do ciclo de vida, governação de acesso e controlos de proteção de identidade.

Estas capacidades ajudam as organizações a reduzir o risco de identidade e a aplicar os princípios de Confiança Zero a identidades humanas e de IA.

No Microsoft Intune, o Security Copilot ajuda as equipas de pontos finais e de TI a compreender a conformidade dos dispositivos, a deriva de configuração, a exposição a vulnerabilidades e as necessidades de remediação. O Copilot pode resumir o risco do dispositivo, explicar problemas de não conformidade, recomendar passos seguintes e ajudar as equipas a responder mais rapidamente.

Os agentes de gestão de pontos finais ajudam a automatizar verificações de conformidade, a investigar problemas de dispositivos e a orientar a remediação em pontos finais geridos.

Estas capacidades ajudam a reduzir a investigação manual de pontos finais, a melhorar as operações de conformidade e a corrigir mais rapidamente falhas de configuração.

Em conjunto, o Microsoft Security Copilot e os agentes incorporados ajudam as organizações a passar de operações de segurança reativas e manuais para uma defesa adaptável, assistida por IA, que melhora a proteção, a velocidade e a escala ao longo do ciclo de vida da segurança.