Inteligência artificial
Acordo com a Dreadnode levaria testes de IA pré-implantação à Falcon
Adicione Securities.io às suas fontes preferidas no Google
A CrowdStrike anunciou em 3 de novembro de 2026 (CRWD ) que assinou um acordo definitivo para adquirir a Dreadnode, empresa de testes automatizados de segurança de IA. A aquisição planejada acrescentaria à plataforma Falcon testes contínuos de modelos, aplicativos e agentes de IA, com o objetivo de identificar vulnerabilidades antes que esses sistemas entrem em produção.
A contrapartida deverá ser paga predominantemente em dinheiro, com uma parcela em ações sujeita a condições de aquisição. A CrowdStrike não divulgou o valor da compra em dólares. A empresa espera que a transação seja concluída durante o quarto trimestre do ano fiscal de 2027, sujeita às condições habituais de fechamento.
Testes de IA antes da implantação
O acordo aborda uma diferença entre os testes convencionais de software e os sistemas de IA. Os testes tradicionais foram desenvolvidos para códigos que se comportam de maneira consistente; modelos e agentes são probabilísticos e podem falhar diante de tentativas de jailbreak, injeção de prompt ou manipulação do processo de raciocínio de um agente. O produto planejado transfere os testes para a camada em que as empresas desenvolvem e avaliam soluções de IA, ampliando a categoria de detecção e resposta a ameaças de IA da CrowdStrike para incluir testes pré-implantação.
O CEO e fundador da CrowdStrike, George Kurtz, relacionou a aquisição à falta de visibilidade nesse campo: “As empresas estão implantando IA mais rápido do que conseguem comprovar que ela é segura. Um modelo pode sofrer um jailbreak, um agente pode ser manipulado, e a maioria das organizações não tem como encontrar essas falhas até que a IA já esteja em produção.”
O fluxo de trabalho planejado permite que os usuários descrevam os testes em linguagem simples. Segundo a CrowdStrike, a Dreadnode executa mais de 100 estratégias conhecidas de ataque a sistemas de IA — incluindo tentativas de jailbreak, injeção de prompt, ataques em várias etapas e ataques específicos contra agentes — contra modelos, ciclos de raciocínio de agentes, aplicativos e servidores MCP. Uma função de verificação separada examina modelos de IA, repositórios de modelos e componentes em busca de vulnerabilidades antes da entrada em produção.
Os resultados são classificados por gravidade e associados ao OWASP Top 10 para LLMs, ao OWASP Agentic Security ASI01-ASI10, ao MITRE ATLAS e ao NIST AI RMF. Os relatórios exportáveis foram concebidos para embasar decisões de implantação ou não implantação. Revisores humanos podem reclassificar as descobertas, alterar as avaliações de gravidade e documentar seu raciocínio; as métricas do painel são recalculadas automaticamente.
Incorporar as descobertas à proteção
A aquisição também conecta os testes às operações de pesquisa e proteção em tempo de execução da CrowdStrike. A previsão é que as descobertas da Dreadnode alimentem o Falcon Guardian com recomendações de políticas, permitindo que uma vulnerabilidade detectada antes da implantação oriente a proteção em tempo de execução. Os dados de testes da Dreadnode serão usados para aprimorar os modelos SafeMind, enquanto se espera que sua tecnologia torne mais precisa a avaliação, pelo SafeMind, da segurança e das capacidades cibernéticas dos modelos de fronteira.
A equipe da Dreadnode se juntará ao Cyber Superintelligence Lab da CrowdStrike, incorporando pesquisadores de segurança de IA ao grupo. Isso torna a transação mais do que uma aquisição de produto: ela também leva para a CrowdStrike a equipe de pesquisa e os dados de testes por trás da capacidade planejada.
A disponibilização geral do recurso Automated AI Security Testing está prevista para o quarto trimestre do ano fiscal de 2027. Como tanto o produto quanto a conclusão esperada da aquisição estão previstos para o mesmo trimestre fiscal, o acordo daria à CrowdStrike um fluxo de trabalho que abrange testes pré-implantação, recomendações de políticas para proteção em tempo de execução e pesquisa de modelos. Sua importância, portanto, não está apenas em acrescentar outra ferramenta de testes, mas em combinar esses elementos em um único processo, da descoberta de uma vulnerabilidade em IA à proteção contra ela.
