Zscaler Agentic SOC porta il contenimento autonomo nel Security Operations Center

Zscaler ha lanciato Zscaler Agentic SOC il 9 settembre, spostando gli agenti AI dal lavoro di consulenza verso il contenimento diretto delle minacce nelle reti aziendali. Il conflitto è immediato. Attacchi più rapidi richiedono difese più rapide, ma un errore automatizzato può anche bloccare un utente legittimo o interrompere un'applicazione essenziale.

Il prodotto combina agenti specializzati, telemetria Zscaler, avvisi di terze parti, contesto aziendale e controlli inline Zero Trust Exchange. Questi agenti possono classificare i segnali, ricostruire i percorsi di attacco, assegnare valutazioni e avviare flussi di risposta. I clienti possono mantenere l'approvazione umana o abilitare una maggiore automazione man mano che cresce la fiducia.

Questo colloca Zscaler al centro di una competizione più ampia sul futuro delle operazioni di sicurezza. Anche Microsoft, Databricks, Dropzone AI e altri fornitori stanno sviluppando sistemi di indagine e risposta guidati da agenti. La scommessa di Zscaler è che la sua posizione nel traffico di rete offra ai suoi agenti prove migliori e un percorso più breve dal rilevamento all'applicazione delle misure.

Non si tratta semplicemente dell'ennesimo chatbot per la sicurezza. La funzionalità decisiva è la correzione a ciclo chiuso, in cui l'analisi può portare direttamente al blocco del traffico, all'isolamento delle identità o alla limitazione dell'accesso. Il valore dipenderà dal fatto che i clienti si fidino delle prove, dei controlli e del processo di ripristino alla base di queste azioni.

Zscaler Agentic SOC collega il rilevamento al contenimento

Il lancio modifica il punto in cui si ferma l'automazione: Zscaler vuole che gli agenti AI gestiscano un incidente, dai segnali dispersi fino alla decisione di contenimento.

Zscaler descrive il suo nuovo prodotto come un sistema di operazioni di sicurezza AI-first, anziché un assistente aggiunto a una dashboard esistente. È diventato disponibile a livello globale quando l'azienda lo ha annunciato da San Jose, California, il 9 settembre 2026.

Un security operations center, o SOC, è il team e l'insieme di tecnologie responsabili del monitoraggio, dell'indagine e della risposta alle minacce digitali. La maggior parte dei flussi di lavoro SOC continua a dividere queste responsabilità tra diversi prodotti e più analisti.

Zscaler Agentic SOC tenta di comprimere questa sequenza. Agenti specializzati gestiscono il triage, l'indagine sulle cause principali, l'assegnazione delle valutazioni e l'orchestrazione della risposta. Ogni agente svolge un ruolo limitato, poi trasferisce le proprie conclusioni in una narrazione condivisa dell'incidente.

Il sistema attinge ai segnali di rete, identità, endpoint, cloud, protezione dati e deception di Zscaler. Può inoltre acquisire avvisi e contesto da prodotti esterni. Zscaler afferma che il suo grafo di contesto collega questi segnali a dettagli quali importanza degli asset, identità dell'utente, postura del dispositivo ed esposizione nota.

Questo contesto conta perché un avviso raramente ne spiega da sé la rilevanza aziendale. Una connessione sospetta proveniente da un dispositivo di test inutilizzato comporta un rischio diverso rispetto alla stessa connessione dal laptop gestito di un dirigente finanziario.

Zscaler afferma che i suoi agenti possono mappare l'attività sul framework MITRE ATT&CK, riassumere un percorso di attacco, mostrare le prove a sostegno e far emergere prove contraddittorie. Quest'ultima funzione affronta un problema fondamentale di fiducia. Gli analisti devono capire perché è stata raggiunta una valutazione automatizzata prima di approvare una risposta potenzialmente dirompente.

I dettagli del lancio dell'azienda indicano che il servizio utilizza modelli di Anthropic e OpenAI insieme a intelligence proprietaria sulle minacce. Zscaler non ha ridotto pubblicamente il prodotto a un unico modello fondazionale, scelta che le consente di instradare le attività tra modelli diversi.

Il passaggio più rilevante avviene dopo l'indagine. Zscaler afferma che la piattaforma può utilizzare controlli inline nativi per isolare utenti compromessi, bloccare il traffico command-and-control e limitare il movimento laterale. Le integrazioni di terze parti possono estendere queste opzioni di risposta oltre la piattaforma stessa di Zscaler.

I clienti non devono iniziare con un contenimento non supervisionato. I controlli di risposta supportano l'esecuzione manuale, playbook approvati da persone e azioni automatizzate. Questo modello graduale consente ai team di iniziare con raccomandazioni prima di concedere agli agenti un'autorità più ampia.

Questa distinzione separa il lancio dalle funzionalità di AI generativa che si limitano a riassumere gli avvisi. Zscaler Agentic SOC colloca il ragionamento automatizzato accanto ai meccanismi in grado di modificare l'accesso in tempo reale.

Gli attacchi guidati dall'AI stanno comprimendo i tempi dei difensori

Zscaler vende velocità di risposta perché gli attaccanti automatizzano sempre più le fasi di ricognizione ed esecuzione che un tempo offrivano agli analisti più tempo.

L'azienda sostiene che i processi SOC convenzionali non riescono a correlare, analizzare e correggere l'attività ostile con sufficiente rapidità. I ricercatori di ThreatLabz hanno osservato attaccanti utilizzare siti web affidabili, strumenti legittimi di gestione remota e tecniche basate sul browser per eludere controlli conosciuti.

Questi metodi sono difficili da contrastare perché ogni singola azione può assomigliare a un comportamento autorizzato. Un'utilità di amministrazione remota ha usi aziendali legittimi. Un dominio affidabile non indica automaticamente contenuti sicuri. I prompt del browser possono convincere gli utenti a eseguire comandi senza distribuire malware riconoscibile.

L'AI può aiutare gli attaccanti a testare più varianti, riscrivere esche, raccogliere informazioni pubbliche e coordinare attività in più fasi. Non rende ogni intrusione nuova. Aumenta la velocità e il volume con cui tecniche note possono essere adattate.

Questo crea pressione sugli analisti che lavorano con strumenti frammentati. Una console può contenere eventi di identità, mentre un'altra archivia avvisi degli endpoint. Il traffico di rete, l'attività cloud, i risultati delle vulnerabilità e i registri della responsabilità aziendale possono trovarsi altrove.

Ogni passaggio di consegne richiede tempo. Gli analisti devono cercare eventi correlati, decidere se descrivono un unico incidente, identificare gli asset interessati e selezionare una risposta proporzionata. L'automazione diventa preziosa quando elimina questi ritardi meccanici senza nascondere le prove.

Zscaler afferma che il suo Zero Trust Exchange elabora ogni giorno oltre 750 miliardi di transazioni. L'azienda presenta questa scala come un vantaggio sui dati, poiché il suo servizio si trova già nel percorso di molte connessioni dei clienti.

Questa affermazione richiede un'interpretazione attenta. Un grande volume di telemetria non produce automaticamente valutazioni accurate degli incidenti. La qualità dei dati, la copertura dei clienti, la logica di correlazione, il comportamento dei modelli e il contesto specifico dell'ambiente restano determinanti.

Tuttavia, la visibilità inline può accorciare il percorso tra osservazione e azione. Uno strumento di overlay può identificare attività sospette ma dipendere comunque da un'altra piattaforma per bloccarle. Zscaler può collegare un rilevamento ai controlli che applicano già le policy di accesso.

Questa pressione non è limitata ai clienti Zscaler. Microsoft descrive un modello SOC agentico in cui difese autonome bloccano gli account, isolano i dispositivi e raccolgono le prove prima che un analista apra la coda.

Databricks ha scelto una strada diversa con Lakewatch, applicando l'analisi agentica ai dati di sicurezza archiviati in un lakehouse. Il suo approccio pone l'accento su formati aperti, conservazione estesa dei dati e analisi vicina ai dati aziendali sottostanti.

Dropzone AI si concentra sull'indagine degli avvisi nell'intero stack di sicurezza esistente prima di escalare le minacce confermate. Questo modello di overlay può attrarre gli acquirenti che desiderano automazione senza sostituire gli strumenti già adottati.

Questi prodotti differiscono, ma il loro argomento commerciale è simile. L'attenzione umana è diventata la risorsa vincolata. I fornitori vogliono quindi che il software chiuda i casi di routine, dia priorità agli incidenti gravi e prepari indagini complesse per la revisione degli esperti.

La risposta obbligata per i responsabili della sicurezza è operativa, non retorica. Devono decidere quali decisioni un agente possa prendere, quali prove debba presentare e quali azioni richiedano ancora un'approvazione esplicita.

La vera competizione è tra telemetria nativa e integrazione neutrale

Il principale vantaggio di Zscaler è anche il suo compromesso centrale: i dati nativi possono migliorare il contesto della risposta, mentre la dipendenza dalla piattaforma può restringere ciò che il sistema vede.

Zscaler descrive molti prodotti SOC agentici concorrenti come overlay collocati sopra avvisi frammentati. Secondo la sua visione, questi strumenti ereditano lo stesso contesto debole e gli stessi segnali ritardati che già gravano sugli analisti umani.

La sua alternativa parte dalla telemetria generata all'interno del Zero Trust Exchange. La piattaforma può combinare una connessione con l'identità dell'utente, lo stato del dispositivo, l'applicazione, la policy sui dati e le condizioni di accesso. Gli agenti valutano quindi un incidente utilizzando questo contesto integrato.

Il prodotto può indagare il traffico Zscaler senza inoltrare tutti i log grezzi a un sistema separato di security information and event management. Un SIEM è una piattaforma che raccoglie record di sicurezza per analisi, indagini, conformità e conservazione.

Zscaler non afferma che ogni cliente debba rimuovere il proprio SIEM. Posiziona Agentic SOC come un livello operativo che può inviare incidenti sintetizzati al SIEM, lasciando a quest'ultimo l'archiviazione a lungo termine e l'aggregazione estesa.

Questa architettura può ridurre lo spostamento duplicato di log di rete ad alto volume. Può anche consentire agli agenti di risposta di agire tramite la stessa piattaforma che ha osservato il traffico. Entrambi i risultati dipendono da quanto dell'ambiente rilevante del cliente Zscaler copra effettivamente.

Una piattaforma nativa vede i propri segnali con una profondità insolita. Potrebbe comunque avere bisogno di dati esterni per ricostruire l'attività tra email, codice sorgente, applicazioni software-as-a-service, tecnologia operativa e prodotti di sicurezza di altri fornitori.

Per questo l'integrazione di terze parti non è una funzionalità secondaria. Determina se il grafo di contesto rappresenta un percorso di attacco completo oppure un frammento dettagliato di uno.

Databricks propone il percorso opposto. Il design di Lakewatch enfatizza formati aperti e analisi sui dati di sicurezza e aziendali già archiviati in un lakehouse. Ciò può fornire un ampio contesto storico senza partire da una piattaforma di applicazione inline.

Microsoft dispone di un altro vantaggio strutturale. Defender, Entra, Sentinel, Microsoft 365 e Azure possono contribuire con segnali di endpoint, identità, email, cloud e collaborazione. La sua strategia agentica si sviluppa su un'ampia base installata aziendale.

Specialisti come Dropzone AI offrono neutralità. I loro sistemi possono operare sugli attuali prodotti SIEM, di rilevamento endpoint, gestione dei casi e orchestrazione. Questa flessibilità può ridurre la dipendenza da una piattaforma, anche se gli agenti devono normalizzare dati provenienti da molte fonti.

La risposta di Zscaler è un modello di integrazione aperto combinato con applicazione nativa. L'azienda vuole che le prove esterne entrino nelle sue indagini mantenendo il contenimento vicino ai propri controlli inline.

L'esito non sarà determinato dal numero di integrazioni su una pagina prodotto. Gli acquirenti devono verificare se queste connessioni trasportano un contesto sufficiente, operano in entrambe le direzioni e preservano le prove dopo un'azione automatizzata.

Un'integrazione superficiale può importare il titolo di un avviso senza gli eventi circostanti. Una più solida può recuperare prove grezze, aggiornare un caso, avviare una risposta controllata e registrarne il risultato.

Questa è la questione competitiva centrale dietro Zscaler Agentic SOC. La telemetria nativa offre velocità e coerenza. Le piattaforme neutrali offrono una scelta più ampia. Gli acquirenti aziendali devono decidere quale debolezza rappresenti il rischio maggiore nel loro ambiente.

La risposta autonoma crea una nuova superficie di errore

Un agente in grado di fermare un attaccante può anche interrompere attività legittime, rendendo l'accuratezza del contenimento più importante di riassunti degli incidenti ben formulati.

Un riepilogo errato fa perdere tempo agli analisti. Una risposta automatizzata errata può disabilitare un account, bloccare un servizio affidabile, interrompere la produzione o isolare un dispositivo critico durante un processo aziendale urgente.

Questo rischio non rende inutilizzabile il contenimento autonomo. Cambia lo standard probatorio. I team di sicurezza devono valutare un agente come un controllo operativo, non semplicemente come una funzionalità di produttività.

Il primo requisito è la tracciabilità delle evidenze. Zscaler afferma che i suoi agenti mostrano sia i segnali a sostegno sia quelli in contraddizione con ogni determinazione. I clienti dovrebbero verificare che tali spiegazioni facciano riferimento agli eventi sottostanti, anziché offrire una narrazione persuasiva priva di prove riproducibili.

Il secondo requisito è un'autorità delimitata. Un agente autorizzato a bloccare un file dannoso presenta un rischio operativo diverso da uno autorizzato a isolare dirigenti, revocare credenziali o modificare policy di rete estese.

Le autorizzazioni dovrebbero corrispondere alla gravità dell'incidente, al livello di confidenza, alla criticità degli asset e al costo del ripristino. Le azioni a minor rischio possono essere eseguite automaticamente. Le azioni a maggiore impatto dovrebbero richiedere approvazione finché l'organizzazione non avrà dimostrato prestazioni affidabili.

Il terzo requisito è la reversibilità. Ogni playbook automatizzato necessita di un percorso di rollback testato. Gli analisti devono sapere come ripristinare l'accesso, annullare un blocco e recuperare lo stato originale quando il verdetto cambia.

Il quarto requisito è la verificabilità. I team di sicurezza e conformità necessitano di registri che mostrino cosa ha osservato l'agente, quali modelli o policy hanno influenzato la decisione, quale azione è stata intrapresa e chi l'ha approvata.

Il quinto requisito è la resistenza alla manipolazione. Un attaccante può tentare di avvelenare i dati, creare correlazioni fuorvianti o sfruttare istruzioni elaborate da un agente. Un maggiore accesso agli strumenti offre a un agente compromesso più modi per causare danni.

L'analisi sulla sicurezza degli agenti del NIST ha riscontrato un ampio consenso sul fatto che i principi consolidati di cybersecurity restino rilevanti, ma richiedano adattamenti per gli agenti AI. Identità, autorizzazione, monitoraggio e governance diventano più difficili quando il software può pianificare e agire con supervisione limitata.

La sola approvazione umana non risolve ogni problema. Gli analisti possono approvare raccomandazioni troppo rapidamente quando il volume di alert è elevato o le spiegazioni appaiono autorevoli. La supervisione deve quindi includere regole di escalation chiare, campionamento, revisione delle prestazioni e validazione indipendente.

La qualità della telemetria sottostante rappresenta un'altra incertezza. Una critica del settore al divario di visibilità sostiene che gli agenti possano agire erroneamente quando le evidenze provenienti da endpoint, identità, cloud e rete restano frammentate.

Il grafo di contesto di Zscaler affronta direttamente questa critica, ma l'azienda non ha fornito pubblicamente benchmark universali di accuratezza per ogni ambiente cliente. Le sue prestazioni e i suoi vantaggi restano dichiarazioni del fornitore finché le implementazioni non produrranno evidenze comparabili in modo indipendente.

I falsi positivi sono solo un lato del problema. Un agente può anche produrre falsi negativi, chiudere un caso sospetto o non rilevare una nuova catena di azioni singolarmente benigne.

I clienti dovrebbero valutare incidenti completi anziché classificazioni di alert isolate. Test utili includono identità compromesse, abusi degli strumenti di gestione remota, attacchi basati sul browser, movimento laterale e attività che coinvolgono Zscaler insieme a sistemi di terze parti.

I team dovrebbero inoltre confrontare modalità assistite e automatizzate. Una raccomandazione che gli analisti respingono regolarmente non dovrebbe diventare un'azione non supervisionata solo perché un punteggio di confidenza supera una soglia arbitraria.

Il contenimento agentico richiede un'adozione graduale. Si parte dall'osservazione e dai riepiloghi, si passa alle raccomandazioni, si automatizzano azioni ristrette e reversibili e si amplia l'autorità solo dopo che evidenze misurate supportano il cambiamento.

Le partnership AI di Zscaler contano meno del suo piano di controllo

I modelli possono migliorare il ragionamento, ma la differenziazione duratura di Zscaler deriva dai dati, dalle autorizzazioni e dai sistemi di enforcement che li circondano.

Zscaler ha indicato Anthropic e OpenAI come partner dei modelli per Agentic SOC. Questo offre alla piattaforma accesso a modelli di frontiera senza vincolare ogni attività a un singolo fornitore.

Una strategia multi-modello può indirizzare diversi compiti verso il modello più adatto. Un modello potrebbe riassumere un incidente complesso, mentre un altro valuta le evidenze o genera un piano di risposta.

Tuttavia, i foundation model sono sempre più disponibili per molti fornitori di cybersecurity. L'accesso ad essi non crea da solo un vantaggio duraturo. I concorrenti possono ottenere capacità simili in licenza o sostituire i modelli al variare delle prestazioni.

Il lavoro più difficile è attorno al modello. Gli agenti di sicurezza necessitano di evidenze normalizzate, strumenti vincolati, policy specifiche dell'organizzazione, controlli di identità, log durevoli e meccanismi di risposta. Necessitano inoltre di sistemi di valutazione che testino il comportamento rispetto a schemi di incidenti reali.

Zscaler afferma che i suoi agenti attingono a oltre dieci anni di esperienza in SOC, rilevamento gestito, risposta e threat hunting. L'azienda afferma inoltre che l'intelligence proveniente da migliaia di ambienti clienti informa il sistema.

Queste dichiarazioni descrivono gli input di addestramento e tuning, non un'accuratezza verificata indipendentemente. Gli acquirenti hanno comunque bisogno di risultati provenienti da ambienti simili ai propri.

L'architettura offre a Zscaler diverse leve pratiche. Può arricchire una connessione sospetta con il contesto di policy e postura. Può raccomandare una risposta in base all'impatto aziendale. Può poi eseguirla attraverso controlli inline senza attendere il sistema di un altro fornitore.

Questo ciclo chiuso è prezioso solo quando la governance resta collegata a ogni passaggio. Un modello non dovrebbe ricevere accesso illimitato solo perché la piattaforma circostante dispone di ampia visibilità.

I team di sicurezza necessitano di accesso basato sui ruoli, credenziali con ambito definito, limiti alle azioni, policy di approvazione e isolamento tra clienti. Dovrebbero inoltre sapere se i dati degli incidenti vengono conservati, dove avviene l'inferenza e come i fornitori dei modelli gestiscono i contenuti inviati.

Gli aggiornamenti dei modelli creano un altro problema operativo. Un modello più recente può comportarsi diversamente anche quando il workflow circostante resta invariato. I fornitori necessitano di test di regressione prima di modificare un modello che influenza le decisioni di contenimento.

I clienti dovrebbero chiedere se Zscaler registra la versione del modello, la configurazione dell'agente, lo stato della policy e le evidenze utilizzate per ogni azione. Senza questi dettagli, investigare una risposta errata diventa molto più difficile.

Anche la spiegabilità richiede più della prosa. Una visualizzazione efficace dell'incidente dovrebbe consentire agli analisti di esaminare timestamp, identità, sessioni di rete, asset interessati, segnali contraddittori e la sequenza delle decisioni dell'agente.

È qui che la proposta Zscaler Agentic SOC diventa concreta. Il titolo menziona gli agenti AI, ma il prodotto avrà successo grazie a un'ingegneria dei controlli affidabile.

I modelli di frontiera possono aiutare gli agenti a interpretare l'ambiguità. Non possono compensare evidenze mancanti, autorizzazioni eccessive, integrazioni deboli o un piano di ripristino non testato.

Tre segnali mostreranno se Zscaler Agentic SOC funziona

Il prossimo test non è un altro annuncio di funzionalità; è verificare se i clienti possono automatizzare un contenimento significativo senza aumentare le interruzioni aziendali.

Il primo segnale è una prestazione misurabile in produzione. Gli acquirenti dovrebbero cercare cambiamenti documentati nei tempi di indagine, nei tempi di contenimento, nel carico di lavoro degli analisti, nelle azioni basate su falsi positivi e nelle decisioni annullate.

Una dichiarazione di un cliente su un'analisi più rapida offre un contesto utile, ma non dimostra un'affidabilità generale. Evidenze solide confronterebbero workflow automatizzati e guidati da persone in categorie di incidenti definite.

I report più preziosi separeranno il triage dal contenimento. Molti strumenti possono riassumere o prioritizzare gli alert. Molti meno possono eseguire in sicurezza una risposta contro un'identità, un dispositivo, una destinazione o un'applicazione attivi.

Se le implementazioni mostrano un contenimento più rapido con poche azioni non necessarie, l'argomento di Zscaler sulla telemetria nativa acquista sostegno. Annullamenti frequenti o colli di bottiglia nelle approvazioni indebolirebbero il caso dell'automazione a ciclo chiuso.

Il secondo segnale è la profondità dell'integrazione con terze parti. Zscaler deve dimostrare che Agentic SOC può assemblare incidenti coerenti quando le evidenze si estendono oltre la propria piattaforma.

Gli acquirenti dovrebbero osservare quali integrazioni SIEM, endpoint, identità, cloud, ticketing e orchestrazione supportano workflow bidirezionali. Dovrebbero inoltre esaminare quale contesto trasferisce ciascun connettore.

Un'integrazione ampia rafforzerebbe l'affermazione di Zscaler secondo cui telemetria nativa e strumenti aperti possono coesistere. Un contesto limitato lascerebbe ai clienti un'altra visualizzazione parziale, anche se dettagliata.

Il terzo segnale è il modo in cui i concorrenti collegano il ragionamento all'enforcement. Microsoft può creare workflow autonomi tra Defender, Entra, Sentinel, Azure e Microsoft 365. Databricks può enfatizzare dati aperti e contesto di lungo periodo. I fornitori specializzati possono sostenere l'indipendenza dalla piattaforma di enforcement.

Una risposta competitiva che offra un contenimento comparabile con evidenze più ampie ridurrebbe la differenziazione di Zscaler. Al contrario, integrazioni deboli o ritardate tra stack concorrenti renderebbero più attraente la posizione inline di Zscaler.

I responsabili della sicurezza non dovrebbero attendere un vincitore universale. Possono definire una classe ristretta di incidenti, stabilire una baseline sottoposta a revisione umana e testare lo stesso workflow tra sistemi candidati.

La valutazione dovrebbe misurare qualità delle evidenze, coerenza delle decisioni, velocità di contenimento, profondità dell'integrazione, intervento degli analisti e successo del rollback. Dovrebbe inoltre includere test avversari progettati per fuorviare l'agente.

I team necessitano di una registrazione affidabile di queste prove. Una base di conoscenza tecnica ricercabile può preservare playbook, verdetti respinti, limiti di integrazione e risultati post-incidente tra gruppi di sicurezza e ingegneria.

Il lancio di Zscaler Agentic SOC rende la difesa autonoma una decisione di approvvigionamento attuale, anziché un concetto distante. La sua proposta più forte è l'unione tra contesto e azione inline.

La sua domanda più difficile è altrettanto diretta. Le organizzazioni possono concedere agli agenti sufficiente autorità per superare gli attaccanti senza permettere che un verdetto incerto diventi un'interruzione automatizzata?

Iniziate con un workflow reversibile, definite la soglia delle evidenze e misurate ogni intervento. Il futuro delle operazioni di sicurezza agentiche sarà deciso da queste registrazioni, non dalla sicurezza con cui un'AI racconta l'incidente.