CrowdStrike Charlotte AI

CrowdStrike Falcon 平台原生、以精英分析师判断为底座的 AI 网络安全分析师

行业应用

https://www.crowdstrike.com/

前往官网

深度报告

CrowdStrike Charlotte AI 是 CrowdStrike 面向其 Falcon 平台用户打造的专用生成式 AI 安全分析师，也是一套智能体（Agentic）安全解决方案。它不像通用聊天机器人那样孤立运行，而是直接嵌入 Falcon 平台，把顶尖安全分析师的判断沉淀为可执行的 AI 能力，帮助安全团队用自然语言驱动工作流、获得可溯源的答案，并把分诊、调查、响应这类耗时任务交由机器以「专家级精度」自动完成。自 2025 年 2 月 Detection Triage 通用可用以来，Charlotte AI 已从对话式助手演进为一支由多个专用智能体组成的「任务就绪安全队列」，覆盖检测响应、威胁情报、暴露管理、下一代 SIEM 与 Agentic SOAR 等场景，目标是让每个 Falcon 用户都成为平台「超级用户」。
CrowdStrike 成立于 2011 年，总部位于美国得克萨斯州奥斯汀，是纳斯达克上市公司（代码 CRWD），以云原生的 Falcon 平台重新定义了端点、云工作负载、身份与数据的现代安全防护。Falcon 平台采用单一轻量代理架构，依托 CrowdStrike Security Cloud 的实时攻击指标、威胁情报与全网遥测数据提供高精度检测。在攻击者开始用 AI 加速入侵、突破时间（breakout time）已缩短到分钟级的背景下，传统安全运营中心（SOC）被海量告警淹没，分析师疲于区分真假阳性。Charlotte AI 由此诞生：它构建在 CrowdStrike 专有的多年实战数据之上，而不是泛化训练的开源模型，从而能在「有界自治（bounded autonomy）」框架内给出可信、可控的自动决策。
Charlotte AI 的核心定位是「始终在值守、始终受分析师控制」的智能体安全分析师。它把 Falcon Complete 托管检测与响应团队的真实分诊决策（数百万条）作为训练基础，结合前沿大模型与 CrowdStrike 高保真遥测、威胁情报与专家策展知识，输出快速、准确且可执行的答案。在调查侧，它支持自然语言提问、跨端点/移动/云/身份的实时遥测抽取、复杂命令行解释、新兴威胁情报分析、可分享的 Promptbook 工作流构建，以及 Incident Workbench 中的事件自动创建与分析。在响应侧，它能把简单问题转成 Falcon Real Time Response 脚本，并自动生成易于理解的汇报摘要。
Charlotte AI 的「任务就绪智能体」提供开箱即用的自动化能力，按安全职能分为多条产品线。检测与响应方向包括：检测分诊智能体（Detection Triage Agent，以超过 98% 的准确率对告警分类并给出下一步建议）、响应智能体（Response Agent，以引导式问答推进调查）。威胁情报与狩猎方向包括：恶意软件分析智能体（分析文件、映射恶意家族并生成 YARA 规则）、狩猎智能体（自动威胁狩猎、扫描新兴威胁）。暴露管理方向包括暴露优先级智能体（梳理漏洞、识别可被利用的风险）。下一代 SIEM 方向包括数据接入智能体、搜索分析智能体、关联规则生成智能体、查询翻译智能体。Agentic SOAR 方向则提供数据转换、工作流生成与 Foundry 应用创建等智能体。
为了让团队自定义智能体，CrowdStrike 推出 Charlotte AI AgentWorks：用自然语言即可设计、测试与部署智能体，设定任务、限定数据与行为边界，无需编写代码。配合 Charlotte Agentic SOAR，团队可以统一指挥整支智能体队列，把安全自动化的精确性与智能体推理的适应性结合起来。在治理层面，Charlotte AI 把 AI 采用集中到统一入口，对访问权限、额度消耗与智能体活动提供全面管控。这种「一个平台构建、管理与编排智能体」的能力，让企业能在不增加人头的前提下扩展安全运营规模。
CrowdStrike 公布的实测指标显示，Charlotte AI 在 SOC 中能显著减负提速：检测分诊准确率超过 98%，平均每周可为团队消除超过 40 小时的手动工作，调查中的人工工作量减少约 70%，事件平均响应时间（MTTR）提升至原来的 3 倍速。在个体效率上，早期采用者反馈任务完成速度较手动流程快至多 75%，平均每天节省约 2 小时。客户案例方面，Blackbaud 在 30 天内调用 Charlotte AI 超过 3 万次，MTTR 提升约 3 倍；马德里欧洲大学（UEM）把安全事件初始调查阶段耗时降低约 70%，让团队把精力转向趋势分析与前瞻防御。
Charlotte AI 把「可信 AI」作为设计前提，而非事后补丁。它已通过 ISO 42001 认证，所有智能体动作都可解释、可审计，并受到基于角色的访问控制（RBAC）与有界自治约束，确保 AI 始终处于分析师监督之下。 2025 年 11 月，Charlotte AI 获得 FedRAMP High 授权，可通过 Falcon 平台的 GovCloud 提供给美国联邦、州及地方机构，满足最严格的安全与合规标准。CrowdStrike 强调，其大模型不基于个人身份信息（PII）训练，并通过可检查的数据来源、透明溯源与隐私防护，杜绝「AI 幻觉」式回答。
Charlotte AI 适合告警量高、分析师人手紧张、且已采用或计划采用 Falcon 平台的安全团队。典型用法包括：规模化加速检测分诊、自动完成初始机械式调查、用「安全即代码」思路支撑自动化优先策略、以及跨 Azure/AWS/Google Cloud 多云环境的统一狩猎。 Straumann Group 等全球医疗与科技企业将 Charlotte AI 纳入「安全即代码」的自动化优先战略，用其识别能力缺口、推荐自动化路径并支撑 SOC 规模化运营；Universidad Europea de Madrid 借助它把多云扩张带来的「不可见」资产纳入统一调查。这些实践共同指向一个趋势：把重复劳动下沉给机器，让人类分析师回到高价值决策。
Charlotte AI 正沿着「从对话助手到智能体队列、再到自治 SOC」的路线持续演进。CrowdStrike 将其定位为 Agentic SOC 转型的核心引擎，与 Falcon Onum（数据统一）、Next-Gen SIEM（编排）及 Charlotte Agentic SOAR 共同构成自治安全运营闭环。在第三方认可上，CrowdStrike 入选 2025 年 GigaOm 自主 SOC 解决方案雷达的领导者与快速采用者，并在 2025 年 Gartner SIEM 魔力象限中获评远见者。随着攻击者持续武器化 AI，Charlotte AI 的「专家—AI 反馈闭环」被视为在威胁演进中保持精度、抵抗漂移的关键机制，也成为 CrowdStrike 在 AI 安全赛道拉开差距的护城河。

用户评论

AmandaBarnesK

—

我们 SOC 每天告警量太大，上了 Charlotte AI 之后分诊基本不用人工过一遍了，准确率确实高，误报明显少了很多，团队现在能把时间花在真正需要判断的复杂事件上，而不是淹没在假阳性里。

枫叶_10

—

作为已经用 Falcon 的平台用户，Charlotte AI 最大的价值是省去了大量查文档和写查询的时间，新人也能很快上手。

RobinRivera

—

Detection Triage 的 98% 准确率不是吹的，我们实测下来和人工分诊一致性很高，关键它还 24 小时在线，半夜的告警也不会堆到第二天早上才有人看，MTTR 实实在在降下来了。

SatsChaserBell

—

有界自治这点我很认可，AI 不是黑盒，每一步都有可检查的数据来源和审计日志，给安全团队交代得过去。

萧妍

—

对比过几家 SOC 自动化方案，Charlotte AI 胜在它直接长在 Falcon 平台里，遥测和上下文都是现成的，不用再拼接一堆工具。我们之前试过把开源大模型接进来自己搭，光是把各路数据源对齐就劝退了，而它这套是开箱即用的，集成成本几乎为零。

CRivera007

—

我们用 AgentWorks 自己搭了一个工单流转的智能体，基本用自然语言就能配置，没写代码，运维同事也能改。

CryptoCat493

—

之前最头疼的就是初始调查阶段的手工关联，数据散在端点、云和日志里，分析师得先花大量时间拼上下文，现在 Charlotte AI 把机械分析做完了再交给我们，团队终于能看趋势和做前瞻防御了，这部分耗时粗略估算砍掉了六七成。

Ryan_James

—

FedRAMP High 授权对做政府项目的团队是硬门槛，这一条直接把很多竞品挡在门外，CrowdStrike 在合规上确实领先。

EGarciaII

—

Malware Analysis Agent 生成 YARA 规则那块挺好用，分析完文件顺手就把规则给了，狩猎效率提升明显。以前这种活儿得等沙箱报告出来再手动提炼特征，现在从分析到出规则几乎是串起来的，省了中间一大段等待和手工整理的时间。

ksrvxy9b8n

—

价格上比单纯按用量爆冲的方案友好，起码不会一遇到攻击高峰账单就失控，对预算有限的团队比较重要。

小鱼_17

—

我们多云环境（Azure、AWS、Google Cloud）之前有近七成新增资产老工具看不到，接了 Charlotte AI 之后统一进 Falcon 调查，盲区小了很多。它横向拉通了不同云的工作负载遥测，分析师不用再切换三四个控制台去拼一块资产的完整画像，调查动线顺畅了不少。

Jordan_Rogers007

—

它的自然语言查询能把一句大白话翻译成 Falcon 的 CQL，对我们这种脚本不太熟的分析师太友好了。

PGarcia_7

—

已经把它嵌进 Incident Workbench 做事件自动分析和汇报摘要，领导要的日报几分钟就出来了，质量还比手写的稳。

beautifultiger293

—

从对话助手演进到智能体队列这一步是关键，现在它不只是回答问题，而是真的在替我们跑分诊、跑狩猎，等于多了几个不知疲倦的一线分析师。我们 30 天里调用了上万次，MTTR 提升非常明显，相当于在不招人的前提下把 SOC 扩了一圈。

GeorgeSandersX

—

提醒一句：Charlotte AI 是 Falcon 平台原生能力，前提是你的栈已经在用 CrowdStrike；如果还在用别的 EDR，迁移成本得先算清楚，别只看 AI 的亮点。

CrowdStrike Charlotte AI

深度报告

用户评论

相关链接

同类产品