Kindo推出Deep Hat Sift — 在AI代理运行前过滤事件的决策模型

10月28日，Kindo推出了Deep Hat Sift，一种“系统一”决策模型，基于目标代理自身的判定进行训练，决定哪些传入事件（SIEM/EDR警报、工单队列、钓鱼提交、日志、Kafka流）值得运行代理。它从影子模式开始，过滤前需要人工批准的阈值和书面理由，抽样未处理事件以衡量漏检率，质量下降时故障开放；可在本地、自管理或气隙环境运行。

代理化SOC和IT代理检查每个警报，即使在非事件上也会产生计算成本，因此Sift增加了人工治理的预过滤层，而不仅仅是选择更便宜的模型。它针对代理化分诊的成本和噪音问题，配备了明确的漂移/漏检率控制，使其与扩展代理调查工作负载的团队相关。

在高容量警报/日志流上运行Kindo代理的安全运营团队应在影子模式下评估，并在启用过滤前批准一个保守阈值。