隨著大型人工智能模型的興起，安全防護策略正經歷前所未有的變革。如今，智能體在處理安全領域的復雜挑戰時，展現出了日益增強的能力。
據Fortinet中國區技術總監張略介紹，借助安全智能體，企業安全運維人員僅需片刻時間，便能識別并解決原本需要耗費數小時甚至更久的網絡安全問題。然而，他也強調，最終決策仍需企業安全運營人員來做出。
從整個行業視角來看，人工智能對安全領域的重塑已頗為顯著。但問題是，從“輔助駕駛”邁向“全自動駕駛”，安全智能體還需跨越多少距離？
根據SUSE的統計數據，隱私和數據安全（57%）以及人工智能驅動的網絡攻擊（55%）已成為生成式AI云安全的首要威脅，僅有7%的IT決策者認為不存在相關風險。Gartner則預測，到2025年，生成式AI的廣泛應用將導致企業所需的網絡安全資源大幅增加，應用和數據安全支出將上漲15%以上。
AI大模型在帶來便利的同時，也為不法分子提供了新的高效攻擊手段。當前，安全行業內一個普遍認可的觀點是——用AI來對抗AI。自大型模型問世以來，安全行業迅速成為首批主動接納這一技術的領域。在此背景下，安全行業正從產品銷售轉向服務銷售。
面對日益復雜的安全挑戰，企業級安全理念和產品的迭代速度顯著提升，企業對網絡安全防護措施的需求也在不斷變化。最明顯的趨勢是從簡單的安全產品堆疊，轉向尋求統一平臺化的解決方案。
Fortinet中國區總經理李宏凱認為，安全智能體已經出現，并開始助力企業級用戶應對日益復雜的安全事件。張略則指出，安全行業應用AI技術已經歷了三個階段。第一階段大約始于2010年，當時機器學習與深度學習剛開始在安全領域得到應用，大多數安全產品各自為戰，企業主要依賴基礎安全產品與服務。第二階段，隨著生成式AI的出現，AI深度融入攻防全鏈條，實現自動化威脅檢測、響應與預測，形成智能防御體系，但在此之前，AI主要起單點輔助作用。第三階段，即當前及未來很長一段時間內安全行業的重點——安全智能體。在這一階段，AI技術已從輔助工具升級為安全體系的“中樞大腦”，通過安全智能體，企業可以將原本分散的安全產品與能力整合，形成聯動防御，并通過AI動態學習攻擊模式，實現主動防御。
傳統上，企業傾向于采購業內最佳的單點產品以應對具體安全問題，并希望通過不同供應商優秀產品的疊加組合來覆蓋安全需求的各個層面。然而，隨著安全局勢的變化，以及AI帶來的更頻繁、高效的攻擊，企業逐漸意識到，堆疊式安全單品難以應對日益復雜的網絡威脅。用戶開始希望整合多種安全功能于統一平臺，以增強威脅檢測與響應能力，降低管理復雜度，提升安全運營效率。
張略表示，未來一方面，構建一體化的安全體系將成為關鍵和主流趨勢；另一方面，在一體化趨勢下，如何將安全服務商與IT服務商融合，讓AI智能體真正實現萬物互聯，并實現以安全為目標的自動化和自主運營，將成為安全行業的重中之重。
這一觀點并非Fortinet獨有，一體化的安全防護體系已成為幾乎所有安全服務商的共同目標。這一體系及相應的安全能力，最終呈現出的產品形態即為安全運營。安全運營是指通過安全產品或服務提升企業信息安全能力的一系列管理過程，包括需求、設計、運行、監控、改進等，從系統化角度對企業整體安全進行運營管理。
雖然安全運營的概念已存在多年，但隨著安全智能體的逐漸成熟，如今的安全運營已今非昔比。通過安全智能體，不僅能快速篩查和解決安全問題，還能幫助企業將人力資源重點放在推動業務發展上。
以服務器告警為例，安全智能體通過分析服務器日志發現內網IP地址報警，進而自動化查詢主機進程并發現可疑IP地址，通過威脅情報庫查詢并確認服務器被感染。隨后，安全智能體調查攻擊詳情，找出漏洞，為安全運營人員提供處理建議。最后，由安全運營人員選擇操作后，安全智能體解決告警，并通過這次攻擊進行溯源，將其納入知識庫，以防下次類似事件的發生。
為了確保生成式AI技術的普及不增加工作人員的操作難度，Fortinet推出的FortiAI允許安全運營人員通過簡單對話形式，經過簡單培訓即可上手操作，提供了便捷能力，同時未增加整體操作難度。
然而，安全智能體雖好，但仍處于發展階段，專業性和安全性是兩大嚴峻挑戰。一方面，模型本身的安全性，如何避免幻覺、確保合規、避免不良信息等問題；另一方面，大模型也面臨數據安全、網絡安全的挑戰。對于安全行業大模型/智能體而言，在保護用戶網絡和數據的同時，其自身的安全及專業性問題亟需解決。
張略指出，為了確保模型訓練數據的安全，行業常見做法是從企業內部挖掘高質量數據，通過專家監督學習強化AI能力。對于安全行業而言，安全服務商長期積累的安防經驗和實時攻防數據成為核心競爭力。同時，安全智能體需深入理解行業特有風險模式，但多數通用模型缺乏領域知識注入，這需要安全服務商利用自身經驗和數據來彌補。
從目前應用來看，張略表示，安全智能體在自動化安全防護過程中，最終輸出結果仍需企業安全運營人員確認。生成式AI仍是統計學科學，不具備自我糾錯能力，因此目前解決幻覺問題最穩妥的做法是在最終環節加上人工確認。
