人工智能正在迅速重塑网络安全领域的格局,其影响不仅体现在威胁检测与缓解方式上,更深刻改变着数字攻防两端从业者的工作模式。随着生成式AI与自主系统逐步融入攻防两端的实际操作,网络冲突的节奏与形态正在发生根本性转变。
AI从根本上改变了网络攻击的执行方式,推动这一变化的核心动力在于三点:速度、规模与可及性。
与此同时,企业的AI部署本身也正成为新的攻击目标。提示注入、模型操控等技术手段已演变为可行的攻击向量。随着AI系统深度融入企业运营,对其进行安全防护已成为至关重要的议题。
攻击者行为的这一转变并非停留于理论层面,而是已经发生,并预计在未来两到四年内持续升级。在此期间,恶意行为者将借助AI更加独立地发动攻击,自动执行系统访问、权限提升、凭证窃取等任务。威胁态势正朝着自主化攻击的方向演进。
防御体系的演进
网络犯罪分子试图借助AI扩大并提升其攻击能力,而企业同样如此。以安全运营中心(SOC)为例,告警分类、信号关联和响应手册执行等任务正借助生成式AI实现自动化,从而将分析师从繁琐的重复工作中解放出来,使其专注于更具战略价值和调查深度的工作。
但要真正实现这一生产力提升,组织必须进行结构性转变。安全团队长期以来以"维护团队"的模式运作——响应事件、修补漏洞、维持系统在线。随着AI接管手动任务并释放人力,团队有条件转向更具战略性的工作姿态,像"结构工程师"一样识别系统性薄弱环节、强化关键基础设施、为长期韧性而设计。
这一转变也催生了网络安全领域的新兴岗位,这些岗位建立在扎实的技术功底之上,但要求更高。它们需要从业者深刻理解AI系统在真实环境中的行为方式,具备解读并引导机器驱动决策的能力,以及在伦理与操作权衡中做出判断的素养。AI能力、跨职能协作与战略思维,正与传统网络安全技能同等重要。
组织如何应对这一转变?
首先,需要对安全团队进行技能升级,使其能够有效与AI协同工作,包括培养对自动化工具、模型行为及AI驱动决策的专业能力。其次,需要重新设计工作流程,在引入自动化的同时不削弱人工监督,确保分析师始终掌握关键决策的主动权。
此外,人才资源必须向战略性、主动性举措倾斜,使团队有足够能力去应对那些长期以来因响应式运营而无暇顾及的系统性漏洞和积压安全缺口。
成功并不仅仅在于与攻击者的能力对等,而是需要网络安全运营的根本性转变——AI不只是加速检测与响应,而是嵌入防御体系的每一个层面。在下一阶段,人类专业能力将被AI全面放大,驱动从主动威胁狩猎到自适应风险管理,再到安全原生创新等战略成果的实现。
那些积极拥抱这一转型的组织,将真正超越被动防御的局限,获得强化基础系统、构建长期韧性、领先于日益自主化威胁态势的能力。
Q&A
Q1:AI是如何改变网络攻击方式的?
A:AI从速度、规模和可及性三个维度根本性地改变了网络攻击的执行方式。攻击者借助AI可以更独立地发动攻击,自动完成系统访问、权限提升、凭证窃取等任务。此外,提示注入和模型操控等针对AI系统本身的攻击手段也已成为新兴威胁向量。这一趋势预计在未来两到四年内持续升级,威胁态势正朝着自主化攻击方向演进。
Q2:AI的引入会催生哪些网络安全新岗位?
A:随着AI深度融入网络安全运营,一批新兴岗位正在形成。这些岗位建立在传统技术能力基础上,但要求从业者具备对AI系统实际行为的深入理解、解读和引导机器决策的能力,以及在伦理与操作之间进行权衡的判断力。AI能力、跨职能协作与战略思维,已与传统网络安全技能同等重要。
Q3:企业应该如何应对AI带来的网络安全角色转变?
A:企业需从三个方面着手:第一,对安全团队进行技能升级,培养其在自动化工具、模型行为和AI驱动决策方面的专业能力;第二,重新设计工作流程,确保自动化引入的同时保留人工监督机制;第三,将人才资源向战略性、主动性安全工作倾斜,使团队有能力处理长期积压的系统性漏洞,而不仅仅是被动响应安全事件。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
英伟达推出Nemotron-Labs-Diffusion三模式语言模型,将逐字生成、并行扩散与自猜自验融于一体,单用户吞吐量最高达Qwen3-8B的4倍,同时保持相近准确率。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SIEVE是一种面向机器人模仿学习的数据筛选方法,通过发现可复用行为原语和转换接口,用50%数据和训练量超越全量训练效果。