Check Point 新任 CEO Nadav Zafrir 本周在曼谷举行的 CPX 2025 大会上发表开幕演讲,提出了以"混合网格架构"和人工智能驱动的安全性为核心的网络安全未来愿景。
作为网络安全行业的资深人士,Zafrir 在开幕主题演讲中强调了在充满流行术语和炒作的世界中"真正安全"的重要性。他指出,虽然 AI 既带来机遇也带来挑战,但 Check Point 的核心使命始终不变 —— 即保护关键基础设施和敏感数据免受日益复杂的攻击。
"我们生活在一个高度互联的世界,随着 AI 的出现正在快速发展,"Zafrir 说,"这个新维度要求我们改变安全方法。仅仅依靠基于云的解决方案已经不够了。我们需要一个灵活、可适应的框架,使组织能够在需要时随时随地获得安全保护。"
他表示,这个框架就是混合网格架构。它突破了纯云端安全访问服务边缘 (SASE) 方法的局限,允许组织整合本地和云端安全产品。这种灵活性可以带来更好的用户体验、增强的安全性和更好的云成本控制。
Zafrir 指出,混合网格将允许组织根据具体需求调整其安全态势,这是关于创建一个涵盖所有端点和连接的安全架构,确保无论位置或设备如何都能提供一致的保护。
Check Point 首席产品官 Nataly Kremer 表示,混合网格架构让组织能够超越以云为中心的 SASE 产品的限制。
"与强制所有流量通过云不同,混合网格允许企业为每个用例指定检查点,"她说,"这意味着组织可以在需要时利用云的力量,同时保留在本地保护流量的灵活性,确保最佳性能、成本效益和最重要的安全性。"
Zafrir 指出,虽然 Check Point 在 SASE 市场起步较晚,但公司能够从其他公司的错误中吸取教训并开发出正确的架构。"当你考虑混合网格时,有时你想从分支机构连接到互联网,你会想通过 SASE 基础设施来获得云中的安全性,"他说。
"但其他时候,你需要灵活性,因为你想直接从数据中心连接到云环境,而不想通过 SASE 架构。而且很多时候,你的用户需要连接到互联网,但不总是通过 SASE。"
在这次面向亚太地区客户和合作伙伴的活动中,Check Point 高管还深入探讨了公司的产品路线图,包括其 Quantum、CloudGuard 和 Harmony 产品线的创新,以及本地和云环境中 AI 驱动安全性的进展。
这包括推出 AIOps,这是一项新的云服务,旨在预测和防止网络问题在发生之前,以及对 Check Point 的 Web 应用防火墙的增强,通过先进的 AI 引擎实现误报减少 90%。
Check Point 还设想了自主防火墙的崛起,即 AI 根据上下文感知做出实时安全决策。"我们不想要数千条预定义规则,而是想要能够根据上下文实时做出决策的 AI,"Kremer 说。
针对日益增长的 AI 驱动威胁的担忧,Zafrir 承认了 AI 在恶意行为者手中的危险潜力,提到了 AI 驱动的恶意软件和复杂攻击的自动化。
他还指出了围绕深度伪造、扩大的攻击面以及对 AI 模型的威胁。"[攻击者] 可以攻击你的模型,窃取它们并污染给模型提供的数据,这使得很难理解输出的来源,"Zafrir 说,并补充道 Check Point 正在开发对抗这些威胁的能力,包括保护 AI 模型和防范 AI 驱动攻击的工具。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。