AI 转型与网络安全：为什么终端比以往任何时候都更加重要
摘自与 Frost & Sullivan 的访谈
Kenny Yeo，Frost & Sullivan 亚太区网络安全负责人、总监
AI 不只是一次技术升级
AI 正在快速改变企业的运营方式。它不仅深刻影响网络安全，也正在重塑网络威胁的产生、扩散与管理模式。过去的新技术更多只是提供新的工具，而 AI 则正在改变企业如何做出决策、如何使用数据，以及关键判断和执行发生的位置。
AhnLab 营销与全球业务部门负责人 Vincent, S.K. Lee 表示，AI 已不仅仅是对现有工作流程的补充，而是在根本上改变企业的工作方式。因此，网络安全战略也必须随之演进。
“AI 已不再只是新增一项安全能力。它正在从根本上改变工作执行方式、数据流向以及决策发生的位置，安全体系也必须适应这一现实持续进化。”
—— Vincent, S.K. Lee AhnLab 营销与全球业务部门负责人
这一变化对于推动 AI 转型的安全负责人而言具有重要意义。尤其是在 AI 的使用场景正不断向终端用户与业务现场靠近的当下，这一点更加明显。
AI 正在同时加速攻击与防御
在网络安全领域，AI 正同时改变攻击者与防御者的能力边界。攻击者正在利用 AI 更快速、大规模地实施：网络钓鱼、社会工程攻击、恶意软件变种生成、情报收集活动。这显著降低了高级攻击所需的时间与成本。
与此同时，防御方也在借助 AI 提升威胁检测准确率、优化安全告警优先级判断、缓解 SOC（Security Operations Center）长期的人才短缺问题。
但在当前阶段，攻击者往往比防御者更快获得收益。原因在于，攻击者几乎可以立即利用 AI 提升效率；而防御方则需要同步调整治理体系、数据控制机制以及运营流程，才能安全地部署 AI。
Vincent, S.K. Lee 对这种 AI 应用失衡现象解释道：
“攻击者几乎可以立刻利用 AI 获得效果，而防御者则必须先完善治理体系、数据控制方式以及运营流程，才能安全地使用 AI。因此在 AI 导入初期，攻击者往往比防御者更快享受到 AI 带来的优势。”
这种 AI 应用速度差异，在终端与边缘环境中尤为明显。随着 AI Copilot、基于浏览器的生成式 AI，以及本地推理引擎逐渐进入员工日常工作环境，AI 的使用节点正不断向用户与业务现场前移。
终端正在演变为 AI 决策接口
在传统安全体系中，终端更多只是文件、邮件与应用程序的运行环境。但随着 AI 普及，终端已不再只是执行节点，而正在成为AI 输入入口、推理运行节点、结果使用场景、决策交互界面等多重能力汇聚的核心位置。
这也带来了传统安全体系难以覆盖的新型风险：
- 用户在 AI Prompt 中直接输入敏感数据导致的信息泄露
- 隐藏在文档或网页中的 Prompt Injection 与间接指令注入攻击
- 安全团队尚未建立可视化能力前就在组织内部扩散的 Shadow AI 使用行为
从安全视角来看，终端已不仅是攻击入口，更成为员工基于 AI 输出做出业务判断并执行实际工作的起点。
从恶意软件拦截走向 AI 工作流治理
这一变化意味着终端安全战略必须进行根本性升级。
在 AI 时代，网络安全不应只停留在阻止恶意软件执行，而需要扩展至 AI 工作流治理。
核心重点包括：
可视化能力
识别谁在使用哪些 AI 工具，以及使用目的。
输入控制
在 Prompt 阶段防止敏感数据、源代码、客户信息与运营数据泄露至外部。
基于策略的许可模型
不是全面封禁 AI，而是仅允许：
- 已批准的 AI
- 已批准的数据
- 已批准的使用场景
与 SOC 和 XDR 联动
实现 AI 使用事件的检测、响应与审计。
企业不应等待“完美安全架构”出现，而应优先从当前已实际使用 AI 的终端环境入手，快速建立可执行的安全控制能力。
AI 安全正在从 IT 延伸至 OT 与物理环境
随着 AI 应用逐步扩展至 OT（Operational Technology）与关键基础设施，威胁环境也将变得更加复杂。
在 IT 环境中，AI 失误可能导致错误分析、误报、信息泄露。而在 OT 环境中，错误决策可能进一步引发生产中断、设备异常运行、安全事故、供应链中断。其影响可能直接演变为物理层面的损害，因此风险远高于传统 IT 环境。
因此，OT 环境中的安全优先级也会发生变化：
- 可用性与安全性优先于机密性
- 遗留资产、隔离网络以及长生命周期限制了架构快速升级
- 安全控制必须尽量降低对业务连续性的影响
因此，在 OT 中导入 AI 时必须采取更加谨慎的策略。
企业应优先从监控、分析、决策支持、等场景开始，而非直接将 AI 应用于控制层。
同时，还应持续强化 OT 安全基础能力，包括：资产可视化、网络分段、访问控制、异常行为检测。
面向 CISO 的安全建议
如今，CISO 面临的问题已经不再是“是否引入 AI”。因为 AI 已经广泛存在于组织内部。
真正的关键在于：如何在不影响业务效率的前提下，对 AI 使用进行有效治理。
第一，建立终端 AI 使用可视化能力
安全负责人必须默认：无论是否获批，员工都已经在使用 AI 工具。
企业需要识别：
- 员工正在使用哪些 AI 服务
- 在什么业务场景下使用
- 涉及哪些数据
第二，将数据保护前移至 AI 交互节点
当敏感数据直接输入 Prompt 时，仅依赖边界安全已远远不够。
CISO 不应只在数据泄露后响应，而应重点保护用户与 AI 交互时的数据安全。
第三，建立“允许使用”标准，而非全面封禁
全面禁止 AI 往往缺乏现实可行性，甚至可能导致更多非官方 AI 使用行为。
成熟企业更倾向于：
- 提供安全可控的 AI 替代方案
- 明确定义允许使用的 AI 工具
- 规定可使用的数据类型与业务场景
第四，将 AI 使用纳入 SOC 与 XDR 工作流
AI 相关异常行为应被视为关键安全事件。
通过将 AI 使用信号接入 SOC 运营体系，企业能够：
- 持续监控 AI 使用行为
- 调查异常活动
- 实现责任追踪
最后，在 OT 与关键环境中谨慎使用 AI
在工业环境中，CISO 应优先考虑系统韧性，而非部署速度。
基于成熟 OT 安全基础逐步引入 AI，有助于在降低风险的同时，建立组织对 AI 的信任与实践经验。
这些措施不仅是在保护 AI 使用环境，更意味着企业正在迈向对 AI 驱动决策的治理与控制。
AI 时代，安全领导者的核心课题
这场讨论的核心，并不是谁能最快追上最新 AI 功能。
真正重要的是：
- 立即开始行动
- 从现实可控场景落地
- 在 AI 应用持续扩张过程中始终保持控制力
企业无需将 AI 安全视为遥远未来的大型工程。
真正具备韧性的组织，会优先治理当前可控领域，在安全可控环境中积累实践经验，并随着 AI 应用范围扩大逐步扩展治理能力。
在 AI 时代，网络安全已不能只停留在保护基础设施层面。
未来，安全体系必须进一步扩展至：
- AI 决策过程
- AI 驱动业务流程
- AI 参与的运营行为
而这一切的起点，正是如今正在不断成为决策中心的终端环境。
