面对 AI 攻击，为何必须采用 AI 安全防护？

AI 驱动的攻击发生了什么变化

什么是 AI 驱动的网络攻击（AI-powered Cyber Attack）？

AI 驱动的网络攻击，是指利用人工智能实现漏洞探索、攻击场景生成、钓鱼、恶意代码编写、攻击执行等网络攻击流程自动化的攻击方式。其最大特点并不是 AI 创造了新的攻击技术，而是让既有攻击能够更快速、更反复地执行。

从生成式 AI 到 Agentic AI

生成式 AI 的作用是回答问题，或生成文本、代码、图像。相较之下，Agentic AI 能够基于给定目标，自主制定计划，并利用必要工具执行多阶段任务。例如在安全运营中，它可以不再停留于简单总结日志的层面，而是能够收集相关信息、分析威胁，并提出响应方案，将一系列流程作为一个整体来执行。也就是说，AI 正从“生成答案的工具”演进为“执行工作的主体”。这种变化也同样适用于网络攻击。

AI 攻击的核心在于自动化与速度

AI 的出现并不意味着网络攻击的基本原理发生了变化。漏洞利用、恶意代码执行、账号窃取、权限提升、内部扩散等攻击方式，仍然是既有攻击技术的延伸。发生变化的是执行攻击的方式。AI 能够快速分析海量信息，自动执行重复性任务，并根据执行结果决定下一步行动。攻击者可以借此更快地发现漏洞，生成多种攻击场景，并大规模反复执行相同攻击。

归根结底，AI 驱动攻击的本质并不是新的攻击技术，而是既有攻击的自动化与高速化。

AI 如何使攻击高级化

AI 能够大幅提升攻击的效率和规模。代表性变化如下。

① 漏洞探索与攻击准备的自动化

AI 会分析公开的漏洞信息和技术文档，快速整理可用于攻击的信息。随着攻击准备所需时间缩短，新漏洞公开后发展为实际攻击的时间也可能缩短。

② 大规模攻击的反复执行

AI 可以不间断地重复执行相同任务。它能够同时尝试多种攻击策略，并基于失败结果应用新的方法，持续执行攻击。

③ 定制化攻击的高级化

AI 可被用于利用公开信息生成面向特定组织或用户的钓鱼信息，或构建符合具体情境的攻击场景。未来，也可能发展为根据攻击目标的反应持续对话的形式。

AI 也会成为新的攻击面

AI 既是自动化攻击的工具，同时也会成为新的攻击目标。

当企业开始在业务中使用 AI 智能体时，AI 访问哪些系统、拥有哪些权限、执行哪些任务，都会成为新的安全管理对象。例如，攻击者可以向 AI 输入错误指令，诱导其执行非预期行为，或窃取 AI 智能体的权限，像正常用户一样访问系统。

因此，未来不仅要利用 AI，也必须同时具备能够安全运营 AI 本身的安全体系。

为什么 AI 攻击需要 AI 安全

什么是 AI 安全（AI Security）？

AI 安全是指保护 AI 模型、训练数据、输入值与输出值，以及 AI 所连接系统免受攻击和滥用的安全体系。既有安全主要聚焦于网络、终端、服务器和用户账号保护，而 AI 安全的特点在于进一步涵盖模型、数据以及 AI 的决策过程。

以人为中心的安全运营局限

既有安全运营一直以来都是由人查看安全事件、分析是否存在威胁，然后采取响应的方式进行。

但随着 AI 驱动攻击的速度和规模扩大，人需要处理的安全事件也会随之增加。

安全负责人必须查看大量日志，从多个安全系统收集信息，判断是否存在攻击，并确定响应优先级。这一过程需要很高的专业性，同时也需要大量时间和精力。

当攻击通过 AI 实现自动化，而防御仍停留在人的速度时，攻击与防御之间的差距必然会越来越大。

AI 安全是一种新的运营方式

AI 安全并不意味着在既有安全产品中追加生成式 AI 功能。其核心在于利用 AI 提升安全运营整体的速度与效率。AI 能够分析海量安全数据，结合威胁情报掌握攻击上下文，并提出响应优先级。当 AI 支持重复性的分析与调查工作时，安全专家就可以专注于更重要的判断与战略制定。

由此可见，AI 安全并不是单个功能，而是改变安全运营体系本身的技术。

从检测走向 AI 驱动的安全运营

未来的安全将不再停留于检测已知威胁的层面，更重要的是能否快速识别并响应新的威胁。为此，需要整合终端、网络、云、CPS 等不同领域的数据，并让 AI 分析这些数据，快速掌握攻击流程和影响范围。同时，还必须建立由安全专家验证 AI 提出的分析结果和响应方案，并作出最终决策的结构。

归根结底，AI 时代的安全正在朝着人与 AI 结合各自优势、提升运营效率和响应速度的方向发展。在攻击者利用 AI 的时代，防御也必须利用 AI。AI 安全不再是可选功能，而正在成为一种新的安全运营方式。

AI 安全运营将如何变化

AI 驱动的安全运营并不只是提升分析速度。其意义在于将安全运营方式本身从以人为中心，转变为 AI 与专家协作的结构。

什么是 AI SOC（AI Security Operations Center）？

AI SOC 是利用 AI 支持检测、分析、调查、响应等安全运营全流程的下一代安全运营体系。其目标是由 AI 执行重复性分析工作，由安全专家负责最终判断和决策的 Human-in-the-Loop 结构。

Agentic AI 如何改变安全运营

既有 AI 多停留在回答安全负责人的问题或总结日志等支持分析的角色。

相较之下，Agentic AI 能够为了完成一个目标，自主规划并执行所需任务。在安全运营中，它正发展为能够检测威胁、收集并分析相关信息、提出响应方案，并将一系列过程作为一个流程执行的形态。例如，当新的安全事件发生时，AI 可以收集相关日志和威胁信息，分析攻击流程和影响范围，并提出响应优先级。安全负责人会审查 AI 提供的分析结果，然后决定是否进行最终响应。由此，AI 支持重复性运营工作，安全专家则专注于判断和决策，双方角色正在朝这一方向变化。

什么是智能体 AI（Agentic AI）？

Agentic AI 是指不止根据用户指令生成回答，而是为了实现目标，自主制定计划并使用多个工具执行任务的 AI。在安全领域，它正在发展为能够将检测、分析、调查、响应等多项工作作为一个流程执行的 AI 技术。

多个 AI 智能体共同运营安全

未来的安全运营预计不会由一个 AI 执行所有工作，而是会发展为由多个承担不同角色的 AI 智能体协作的结构。例如，一个智能体分析安全事件，另一个智能体确认威胁情报，另一个智能体提出响应方案。各 AI 智能体的结果会连接为一个运营流程，支持更快速、更一致的安全响应。

这种结构并不是为了替代人的工作，而是通过让 AI 执行重复性工作，使安全专家能够专注于更重要的判断和战略制定。

AI 与专家的协作是核心

虽然 AI 正在快速发展，但安全运营的最终责任仍然在于人。

实际安全响应不仅需要考虑技术风险，还必须综合考虑业务影响、系统重要性、法规与合规等多种因素。这类判断很难仅靠 AI 完成。

因此，未来的 AI 安全将以 Human-in-the-Loop 结构为核心，即由 AI 支持分析与响应，由安全专家进行验证并作出最终决策。

AI 的作用不是取代人，而是帮助人更快、更准确地作出判断。

AhnLab 如何准备 AI 攻击时代

AhnLab 并不将 AI 视为添加到既有产品中的某个功能，而是将其视为连接并升级安全运营整体的核心技术。为此，AhnLab 正以自主 AI 平台 AhnLab AI PLUS 为中心，发展 AI 驱动的安全运营体系。

AhnLab AI PLUS，面向安全运营的 AI 平台

AhnLab AI PLUS 并不是一个独立的安全产品。它是一个通用 AI 平台，用于通过 AI 连接 AhnLab 所拥有的终端、网络、云、CPS 等多种安全产品与服务，并推动安全运营整体智能化。

AhnLab 正在将 30 多年来积累的恶意代码分析信息、威胁情报、入侵事件响应经验进行体系化，使 AI 能够加以利用。基于这些能力，AI 会分析安全事件、理解威胁上下文，并提出响应方案。也就是说，AhnLab AI PLUS 的核心不仅在于引入最新 AI 模型，而在于让 AhnLab 积累的安全数据能够被 AI 有效利用。

AI 支持安全运营的方式

在 AhnLab AI PLUS 中，并不是由一个 AI 执行所有工作。

负责安全事件分析、威胁情报利用、响应支持等不同角色的 AI 会协作组成一个安全运营流程。

例如，当新的安全事件发生时，AI 可以支持以下过程。

• 事件和日志分析
• 确认相关威胁情报
• 分析攻击流程和影响范围
• 风险评估
• 提出响应优先级和响应方案

基于这些分析结果，安全专家可以更快速地决定是否进行响应。

AhnLab AI PLUS 正在扩展至整个产品体系

AhnLab AI PLUS 并不是只应用于某一个产品的 AI，而是连接 AhnLab 多种安全产品和服务 AI 功能的通用 AI 平台。

目前，为了实现 AI 驱动的安全运营，AhnLab 正在多个产品中扩大 AI 功能，代表性案例包括 AhnLab XDR 的 AI 安全助手“Annie”和 AhnLab EDR 的“AI Insight”。

Annie 是一款对话型 AI 安全助手，可帮助安全负责人使用自然语言查询威胁信息，并快速确认相关事件和分析信息。它通过减少重复的信息检索和分析时间，帮助安全负责人更加专注于威胁分析和响应。

AI Insight 是 AhnLab EDR 中的一项 AI 驱动分析功能，由 AI 综合分析检测到的事件，并以一份分析报告的形式提供攻击意图、威胁上下文、基于 MITRE ATT&CK 的 TTP、威胁情报、响应方向等内容。借助该功能，安全负责人可以快速理解复杂事件的意义，并更高效地判断响应优先级。

如此，AhnLab 并不将 AI 功能限定在特定产品中，而是以 AhnLab AI PLUS 为中心，持续扩大应用到多种安全产品和服务中，并不断发展 AI 驱动的安全运营体系。

AhnLab AI 竞争力的核心在于安全领域专业性

AI 安全的性能并不只由 AI 模型本身决定。能否深入理解实际安全环境，即领域专用数据（Domain-specific Data）和运营经验，会左右 AI 的准确性和可用性。

AhnLab 基于 30 多年来积累的安全专业能力和威胁分析经验，正在发展面向安全领域的专用 AI（Domain-specific AI）。让 AI 理解实际安全威胁的上下文（Context），并执行更加准确的检测、分析和响应，是 AhnLab AI 战略的核心。这一 AI 竞争力建立在以下四项基础之上。

① 安全领域专业性

AhnLab 将 30 多年来积累的恶意代码分析信息、入侵事件响应经验和安全运营 Know-how 作为 AI 学习与分析的基础。借此，AI 不仅能够分析数据，还能够理解实际安全环境的上下文，并作出更精细的判断。

什么是专用领域 AI（Domain-specific AI）和安全领域专业性？

专用领域 AI（Domain-specific AI）是指基于特定产业或业务领域所需的数据和专业知识进行学习或优化的 AI。这类 AI 能够理解该领域的专业术语、业务规则、数据结构和运营上下文（Context），因此相比通用 AI 能够提供更准确、更具实际价值的结果。

安全领域专业性（Security Domain Expertise）是指在恶意代码分析、威胁情报、入侵事件响应、安全运营经验等网络安全领域积累的专业知识和数据。AhnLab 将这种安全领域专业性与 AI 结合，发展能够理解实际威胁上下文，并支持更准确检测、分析和响应的 AI 平台。

② 威胁情报

AhnLab 持续积累的威胁情报是核心资产，能够帮助 AI 更准确地分析攻击技术、威胁行为和风险程度，并判断响应优先级。

③ 统一安全平台

通过将终端、网络、云、CPS 等不同安全领域的数据连接到一个运营流程中，为 AI 提供能够分析单个事件之外的攻击全貌和影响范围的环境。

④ 可信赖的 AI 运营

随着 AI 应用范围扩大，准确性和可信度变得更加重要。AhnLab 在提高 AI 自主性的同时，重点构建应用护栏和专家验证体系的可信 AI 驱动安全运营环境。

归根结底，AhnLab AI 竞争力的核心并不在于应用最新 AI 模型。将安全领域专业性、威胁情报、统一安全平台以及可信赖的 AI 运营体系相结合，使 AI 能够理解并应用于实际安全环境，这正是 AhnLab 差异化竞争力所在。

AI 时代，新的安全竞争力正在形成

AI 正在快速改变网络攻击的速度和规模。未来的攻击将更加自动化和智能化，因此安全运营也必然会以新的方式演进。

如今，企业不应仅将 AI 视为需要保护或管控的对象，而应将其作为提升安全运营能力的核心技术来利用。在攻击者利用 AI 的时代，防御也必须利用 AI 来提升检测、分析和响应速度。

当然，AI 并不会取代安全专家。AI 的优势在于快速分析海量数据并支持重复性工作，而最终判断和决策仍然是安全专家的职责。未来的安全运营很可能会发展为 AI 与人结合各自优势的 Human-in-the-Loop 方式。

AhnLab 正顺应这一变化，将 AI 发展为连接安全运营整体的平台技术，而不是单个功能。AhnLab 以 AhnLab AI PLUS 为中心，结合安全领域专业性、威胁情报和统一安全平台，持续开展研发，使 AI 能够在实际安全运营中提供实质价值。

归根结底，AI 时代的安全竞争力在于同时思考如何安全管理 AI，以及如何有效利用 AI。AhnLab 将通过 AI 与安全专业性相结合的 Agentic AI 驱动安全运营环境，持续发展 AI 安全能力，帮助企业更快、更准确地应对威胁。

FAQ：关于 AI 攻击与 AI 安全的主要问题