NVIDIA、エージェント型セキュリティ基盤向け推論モデル Nemotron 3 シリーズを発表──CrowdStrike SafeMind と統合しコストを 99% 削減
NVIDIA Nemotron 3 Ultra とファインチューニング済みの Nemotron 3 Super を活用し、攻守の自律型エージェントループをマシン速度で回すサイバーセキュリティ基盤の仕組みを公開した。
リリース: 2026-09-01 · 読了 4 分記事の要約
1. 核心（What）
- NVIDIA と CrowdStrike は、自律型の攻守エージェントを活用したサイバーセキュリティ検証システムを構築し、隔離された検証環境でその有効性を実証した。
- 防御側のオーケストレーションには NVIDIA Nemotron 3 Ultra を採用し、検出ルールの生成にはファインチューニング済みの Nemotron 3 Super を割り当てる二段構えの構成をとる。
- CrowdStrike の SafeMind システムに統合された Blue Solano 防御モデルは、内部評価で主要な商用フロンティアモデルを上回る精度と 99% のコスト削減を記録した。
- モデルのファインチューニングには、59 種類のプログラムエラーに紐付く 9,349 件の検出生成および修復のトレーニングデータセットが動員された。
2. 影響（Why）
- 専門特化型モデルの分離による精度向上: 全体オーケストレーションと特定タスク（検出ルール作成）のモデルを分けることで、長文脈の文脈維持と正確なコード出力を両立させ、ハルシネーションを抑制している。
- 国内 SOC 事業者へのコスト構造のインパクト: API 料金がボトルネックとなっていた常時監視・自動検知のループを、商用モデル比 99% 減のコストで回せるため、国内セキュリティベンダーの利益率改善に直結する。
3. 根拠・詳細（How）
- Nemotron 3 構成と役割分担の仕組み: Nemotron 3 Ultra が攻撃トレースの再構築やツール呼び出しといった全体のオーケストレーションを担当し、専用にファインチューニングされた Nemotron 3 Super が検出ルールの生成・修復を行う。
- 6段階の防御ハーネスによる品質検証: スキーマ知識ベース、テレメトリーグラウンディング、特定検出オーサリング、アーティファクトリント、検出リプレイ、独立レビューの 6 機構により、生成された検出ルールを多重に検証して不正なクエリや誤検知を排除する。
- NL2LogScale と強化学習の導入: CrowdStrike は Nemotron 3 Super をベースに継続的事前学習、教師ありファインチューニング、検証可能な報酬を用いた強化学習を適用し、現実のログ解析エラーに即したモデルを構築した。
4. 展望・課題（Next）
- オープンセキュリティエコシステムの拡大: Open Secure AI Alliance を通じて、オープンモデルやハーネス、ツール群の連携がさらに強化され、他のセキュリティプラットフォームへの展開が期待される。