隨著大型人工智能模型在各行各業的廣泛應用，其帶來的效率提升顯而易見，但安全問題也日益凸顯，成為企業不得不面對的嚴峻挑戰。黑客利用大模型進行網絡攻擊的事件頻發，給企業的網絡安全防護帶來了前所未有的壓力。
近年來，大模型技術從訓練階段向推理階段的加速落地，正促使AI驅動的安全攻防體系發生根本性變革。以DeepSeek為代表的大模型推理能力，不僅推動了安全增量市場的快速增長，還促使中國網絡安全市場規模突破了原有的限制。綠盟科技集團副總裁宮智認為，這一變化的底層邏輯在于，推理需求推動了安全場景從“被動防御”向“主動決策”的轉變。
宮智指出，隨著DeepSeek應用的普及，本地化部署成為企業應用大模型的新趨勢。這意味著企業需要自己承擔全部的安全責任，包括大模型系統底座、網絡層、應用層，以及數據安全、內容合規等涉及大模型全生命周期的安全問題。這對于企業來說，無疑是一個巨大的挑戰。綠盟科技認為，隨著企業本地化部署大模型的量不斷增加，相關的安全解決方案將成為安全行業新的增長點。
然而，本地化部署的大模型產品也面臨著嚴峻的安全挑戰。除了硬件設備性能的問題外，基礎能力的構建是最大的安全挑戰。在2025綠盟科技合作伙伴大會上，綠盟科技發布了一系列大模型安全解決方案和新產品，包括大模型安全解決方案、AI驅動的自主安全運營平臺、綠盟大模型安全評估系統（AI-SCAN）等。宮智表示，與原先的企業安全場景相比，大模型技術的廣泛應用會帶來更復雜的安全挑戰，如大模型的不可解釋性可能引發信任、合規和安全等風險。
當下，大模型的安全問題仍是阻礙其在ToB企業側應用的最大障礙之一。特別是DeepSeek在短短不到一個月的時間內，就遭遇了大規模DDoS攻擊、僵尸網絡、仿冒網站泛濫等各種安全威脅。這些事件表明，大模型面臨著包括數據安全風險、訓練語料安全風險、模型安全風險等在內的七大類風險。從模型自身風險的角度出發，由于模型需要對外提供公開服務，并涉及敏感信息的開放場景，因此會引發多種安全隱患，如提示注入攻擊、拒絕服務攻擊等。
為了應對這些安全挑戰，企業需要加強大模型的安全技術保障和運行監測，確保自身的安全性、可靠性和穩定性。以DeepSeek為例，由于其自身的防御機制建設不足，未能儲備足夠的防護資源以面對高強度的DDoS攻擊行為，導致遭受了大規模攻擊。Ollama等本地部署大模型的工具在默認情況下不具備安全認證功能，也增加了服務被濫用的風險和數據泄露的可能性。
因此，安全行業專家建議企業修改Ollama配置，加入身份認證手段，并及時修改防火墻、WAF、入侵檢測等相關安全配置。同時，企業還需要定期檢查和關閉不必要的端口、限制計算資源的使用、加強監控等措施來提高安全性。宮智強調，企業在應用大模型時，除了要解決剛性的安全性問題外，還需要面對更多的合規性問題。特別是當大模型訓練語料進一步擴大時，模型可能存在包括魯棒性、可解釋性、幻覺等在內的多個問題，甚至存在隨時失控的風險。
為了解決這些問題，宮智認為，通過通用模型與安全行業模型的結合，是當下企業安全體系建設的最優解。一方面，像DeepSeek、通義千問這樣的基礎通用大模型提供了強大的底層算力支持；另一方面，安全廠商多年積累的安全經驗與安全數據訓練出來的專家模型，可以與通用大模型相結合，形成更聚焦的安全行業大模型，賦能企業安全運營。目前，安全行業大模型主要應用于輔助企業進行安全運營層面，如研判分析、安全報告的生成等。通過大模型能力的植入，企業安全運營的效率得到了顯著提升。
