三大創新引擎 實現安全運營降本增效

當前，網絡安全進入了高對抗時期，網絡攻擊手段呈現復雜化、隱蔽化和高頻化特征。傳統安全運營模式依賴人工規則配置和靜態策略，面對海量異構設備日志、高級持續性威脅（APT）和0day漏洞攻擊時，往往陷入“數據過載、響應滯后”的困境。針對這一行業痛點，深信服基于對用戶安全需求的深刻洞察和多年AI安全技術沉淀，在2024年創新性地推出了AI安全運營平臺。采用了混合專家模型和智能體技術，實現了多源異構日志規范化、安全日志降噪、事件調查分析、攻擊事件自動化響應處置、APT攻擊主動狩獵和0day漏洞利用檢測等能力，幫助用戶應對高水平網絡對抗防御場景。

創新點一 基于黑客大模型的自動化安全數據生產技術

深信服基于多年攻防實戰經驗，構建了面向多維度安全數據生產的“安全數據工廠”。以安全藍軍積累的超400種高對抗攻擊手法為基礎，通過自研的黑客大模型對種子樣本進行智能化變形與泛化，生成海量高對抗原子攻擊樣本。所有樣本均通過自動化靶機測試驗證，經過“腳本構建-測試-篩選-修正”的閉環迭代優化。不僅為安全大模型的訓練提供高質量素材，更通過持續迭代機制確保模型始終緊跟最新攻防態勢，提升了威脅檢測的覆蓋面和準確率。

創新點二 基于智能體的自動化響應能力

利用AI智能體的自主規劃和工具調用能力，結合實戰化的網絡安全知識圖譜，實現7×24小時的自動化響應處置。不僅如此，AI虛擬管家還可以連通各安全智能體，構建多智能體協同的安全運營體系。憑借自然語言指令傳遞待辦、對接安全看板，大幅提升安全任務閉環效率。讓安全運營從“被動監視”轉向“主動防御”，實現上下游高效聯動。

在2024年國家級演練中，部署在某部委側的實測數據顯示，在10萬條日志事件中自動篩選出300條真實威脅事件，其中286條由平臺自主響應，僅14條需專家介入。專家介入的事件還會快速沉淀為規則，持續優化自動化響應能力，全面提升實戰攻防的效率和韌性。

創新點三 大小模型協同的告警降噪體系

創新采用“大模型+小模型”協同架構，大模型負責自然語言告警的上下文關聯分析，小模型專注二進制惡意樣本精準分類，輔以智能體工作流實現模型間高效協同。

在某央企的攻防演練實戰中，實現95%以上安全日志告警降噪，極大減輕一線安全人員實戰負擔，使其聚焦于真正的高級威脅。

實踐成果

目前，深信服AI安全運營平臺已成功部署于150+個國家部委和頭部企業。實踐表明，在高強度攻防環境下，平臺整體運營效率提升至少80%，網絡安全事件處置成本降低50%以上。深信服以前沿AI技術全面賦能安全運營，重塑網絡安全運營的核心邏輯，不僅優化了用戶成本結構，更為數字經濟產業持續穩定增長提供了關鍵保障。