2024年6月5日，以“AI驱动安全”为主题的2024全球数字经济大会数字安全高层论坛暨北京网络安全大会战略峰会（以下简称“BCS大会”）在北京国家会议中心开幕。

    全国政协委员、全国工商联副主席、奇安信集团董事长齐向东发表题为《AI驱动安全》的主题演讲，对于AI对网络安全的影响，以及如何落实“AI驱动安全”进行了深入诠释。

    随着网络安全形势变化，安全建设变成追求零漏报，但人力不足，无法对海量的告警进行研判。追求不漏，反成高漏。

    解决有限的安全资源和100%的安全追求之间的矛盾，要靠AI驱动安全。

    做好“AI驱动安全”至少需要具备三大条件：高质量的训练数据；纵深防御的内生安全体系；统一的输入输出标准

    以下为《AI驱动安全》主题演讲的全文：

    尊敬的各位领导、各位院士、各位专家、来宾，媒体朋友们，

    大家好！感谢大家参加全球数字经济大会数字安全高层论坛暨2024北京网络安全大会。当前，第四次工业革命快速发展，传统社会开始全面网络化、数字化、智能化，网络空间安全形势发生翻天覆地的变化：散兵游勇式的黑客组织正逐渐退居其次，取而代之的是专业攻击组织和国家级网络力量，它们已经成为网络攻击的两大主力；一般性的网民，网站遭受到的攻击数量骤然下降，取而代之，政府、城市和大型企业的重要设施成为重要攻击目标。网络安全“一失万无”的现状更加突出。

    从经济损失层面看，今年以来就爆发了多起重大网络攻击事件，一些事件造成的经济损失甚至高达数十亿元。比如，美国联合健康集团今年为勒索攻击付出的总成本已经达到63亿元，国际清洁用品巨头高乐氏因为网络攻击损失超3.5亿元。

    从高水平攻防对抗层面看，今年2月奇安信威胁情报中心发布的2023年度APT报告显示，全球至少有80个国家遭遇过APT攻击，这些攻击组织背后往往有国家力量直接参与，不达目的不罢休，被盯上的政企机构不是业务系统被瘫痪，就是机密数据被窃取，有的甚至还会威胁到国家安全。

    网络安全形势的变化，催促安全建设同步升级。网络安全防御体系建设的指标有2个：“漏报率”和“误报率”，“漏报率”为零，就有可能产生误报，我们以前听说过“宁可错杀一千，也不能漏掉一个”，对业务系统来说，误报错杀就等于影响业务运行。过去，网络攻击是小概率事件，被攻击后，后果也不严重，所以，绝大多数企业追求的是零误报，就是优先考虑的是不影响业务运行，付出的代价是放过大量的可疑告警。网络安全形势变化以后，安全建设指标要变成追求零漏报，但人力不足，无法对海量的告警进行研判，只能放任不理，结果追求不漏，反倒成了高漏。我们统计了奇安信安服团队处理的2959次网络安全应急响应事件，所有被攻陷的企业，它们的安全设备都对潜在威胁发出了告警，但企业并未对这些告警进行研判和处理，造成了事实上的大量“漏报”。

    安全人员数量和资源不足，是失陷的主要原因。我们曾经对万人规模以上的企业做过调查。86%的企业，安全运营人员不到10人，研判比例不足5%；13%的企业，运营人员有10-30人，研判比例在5%-10%；仅有1%的企业，配备了30人以上的安全运营团队，但研判告警比例也仅仅达到10%。

    这个数字点醒我们，人力不足导致大量告警被忽视，是网络安全当前面临的最大漏洞。部署好的安全设备，由于没有人力去处理，造成“漏报”频发。解决有限的安全资源和100%的安全追求之间的矛盾，要靠AI驱动安全，下面我和大家分享三部分。

    第一部分：

    AI是网络安全的必然趋势，带来指数级的能力跃升。

    攻击者突破安全防线有几个阶段，先突破单点设备、再突破防护体系，事成之后，还要想办法隐匿踪迹。AI能给安全防护者带来十倍、百倍乃至千倍的效率跃升，把攻击扼杀在事发之前。

    先说单点设备的检测，AI可以对过去人工漏掉的告警进行全量研判，实现安全能力十倍级提升。

    单点设备会为了追求“0漏报”而产生海量告警，但为了避免“错杀”影响业务，99%都需要人工分析研判。然而，任何企业的安全专家都是有限的，他们全力以赴也只能研判少量告警，有超90%的告警被抛弃，其中隐藏的大量真实威胁被忽略，攻击者就会趁虚而入。

    AI打破了人力资源和效率的边界，依托强大的算力资源和持续训练后的研判能力，极大提升了安全工程师的效率，能减少90%的漏报，实现安全能力的10倍提升。

    再说体系化防御，通过AI赋能的综合分析和全局联动，实现安全能力百倍级提升。

    在AI赋能下，单个安全设备减少了90%的漏报，但剩下10%的威胁会进入系统当中。此时，就需要体系化的防御。体系化防御的核心，是多种网络安全设备的有机结合。由于不同产品之间的数据共享、互访问、互操作非常频繁,漏报和误报问题在这一阶段又会呈现指数级增长。

    AI好比一个智能体，像人一样在工作，不仅可以知道在什么场景下、去调哪个接口、取什么数据，还能根据实际变化进行动态调整，瞬时激发各个设备的安全能力，将遗漏的威胁从10%降低到千分之一，达到安全能力百倍级提升的目标。

    最后是溯源和反制。从威胁发现到攻击溯源环节，依托AI的智能化、自动化，可实现响应能力的千倍级提升。

    单设备的检测，叠加体系化的防御，大部分漏报误报都会被解决，但仍无法保证万无一失，可能会有千分之一的几率漏掉单个威胁，从而让攻击者得逞。

    AI的逻辑推理、自我决策能力，可以帮助我们实现安全体系中不同产品的互操作,实现事件溯源和处置的高度智能化和自动化，处理时间可能从过去的一天，缩短到分钟级甚至秒级，实现响应能力千倍提升。

    由此可见，AI在不同安全场景中释放的能量难以估量。AI驱动安全已经成为大势所趋，未来网络攻防就是得AI者得天下。讲到这里，可能有人会问，既然AI这么好，是不是我赶紧装上一个AI大模型就可以了？答案并非如此，这就是我接下来讲的。

    第二部分：

    做好AI驱动安全的三大必要条件。

    第一个条件，高质量的数据，是高水平AI的基础。高质量的数据有两个特点，一是全、二是新。这样的安全数据是稀缺资源，只有拥有最多人才、承担最多国家关基设施防护任务、处理最多安全应急事件的企业，才能积累下又全又新的数据。

    先说全，指的是要有足够多的基础安全数据用于训练安全大模型。安全设备覆盖越广，得到的数据量越大、越丰富。IDC等权威机构公布的数据显示，奇安信在终端安全、威胁发现与态势感知、数据安全、云安全、安全管理平台等领域，都稳居市场第一。特别是终端安全市场，连续六年领跑。安全数据规模位居全国首位，为大模型预训练打下了坚实的基础。目前，我们自主研发的数据存储平台，汇聚了总量超过380亿的全球独有样本库、超百亿的恶意网址库、国内最大的互联网漏洞库、2万亿级的DNS日解析量、200多亿条资产数据等等。

    再说新，指的是要有足够贴近实战的一手原始语料用于大模型推理。只有丰富的实战经验，才能磨练出专业的原始语料。奇安信有遍布全国的网络安全服务团队，人数规模超过3000人，能深入了解客户遇到的安全问题；我们还开通了全国首个行业服务热线95015，为各地客户解决紧急的安全事件，能第一时间获取威胁信息；我们还举行了近900场攻防演习活动，完成了80多场国内外重大活动网络安全保障任务，在实战过程中积累了丰富、先进的安全知识和经验。这既是训练高水平安全大模型的核心要素，也可作为大模型推理时所需的最新实时信息，双管齐下确保生成精准的、高价值的答案。

    我给大家看一个有趣的例子，用同样一个恶意域名，去提问最新的ChatGPT和我们自己的大模型，看看结果对比。左边是GPT的答案，它只是泛泛提供了一些建议。右边是我们自己的大模型，回答的非常专业和有价值，不仅准确判断出这个域名是恶意域名，还给出了专业的判断依据，提炼出核心知识点。包括哪些家族的恶意软件与该域名的通信记录、该域名的注册信息是否有可疑等关键细节，基本匹敌一个安全专家的分析报告。

    可见，经过专业知识优化的大模型在实际应用中具有显著优势，其精确性和实用性远超未优化的通用大模型。

    第二个条件，体系化的网络安全建设，是AI发挥效率的平台。从俄乌战场上可以看出，现代战争的核心，是多系统之间的协同联动，从雷达感知情报，送回指挥部，再送到海陆空前线部队，迅速启动火力系统，锁定并打击目标，这是一个整体作战体系，更是高效运转的闭环。

    “天下武功，唯快不破”，放到网络空间也是如此。2019年，奇安信提出的内生安全体系，可以把网络安全设备和业务流转、不同层次的信息系统有机结合起来，感知、响应对业务系统和数据的任何破坏行为。AI赋能内生安全体系，不仅可以和客户业务完美融合，更能实现网络安全响应从滞后到实时的大跃升，全时段瞬时响应成为可能。

    第三个条件，统一的标准，为AI驱动安全实现体系化落地扫除障碍。训练好的安全大模型，能否取得好效果取决于设备和体系是否有统一的标准。当前，不同厂商、不同设备读不懂彼此的数据，有时候仿佛鸡同鸭讲，实现标准统一迫在眉睫。

    首先是统一数据输入标准，让AI读懂“多国语言”，完成体系化分析。

    AI好比一个诊断专家，我们在给医生描述病症的过程中，信息量越大、症状越详细，医生的诊断越精确。目前，许多政企机构的网络安全建设靠 “拼凑”，部署的安全产品是大杂烩，产品、技术、运营标准都不一致，信息量参差不齐，杂乱的数据给AI，很难进行体系化分析并得出正确结论。

    构建一套统一的数据语料标准至关重要。只有为AI提供颗粒度足够细，信息量足够充分，遵循统一标准的数据，才能让AI看得懂，用得好。这就像是给AI提供了一个标准化的语言交流环境，面对威胁能够迅速做出反应，保护我们的数据和系统不受损害。日积月累，还会量变引起质变，实现AI能力的自成长。

    其次是统一指令输出标准，让AI实现跨设备、跨系统的能力协同和全局联动。

     AI驱动安全，关键在于“驱动”，这要靠统一的操作指令标准来实现。我们要制定通用的操作指令集，确保所有体系内的网络安全设备都能理解和执行这些指令。指令要具体到每一台设备、每一个功能、每一项操作，明确到操作对象和动作要求，精细到有效调动起某个安全设备的某个功能，这样AI驱动安全才能真正实现闭环。

    统一度量衡，功在当代，利在千秋。进入AI驱动安全的新纪元，全行业要在这一领域找到最大公约数，在数据输入、指令输出两大关键环节实现“车同轨、书同文”。

    第三部分：

    AI驱动安全  奇安信在行动。

    认识到AI的变革作用并不难，难的是用好AI、让AI真正赋能安全。在“AI驱动安全”这条路上，我们率先进行了大量探索实践。

    下面，我从四个方面，分享我们在客户侧落地的真实故事。

    ☞一是AI驱动研判，大幅提升了威胁发现效率。以我们今年3月正式发售的AI战略产品QAX-GPT安全机器人为例，它的研判效率相当于人工的数十倍，在大型客户侧广泛落地。

    有一家员工规模超万人的大型企业，单日告警量超过10万，运营人员只有12人，一个团队一天只能研判6000条告警，漏报率极高。用上安全机器人以后，他们可以对10万告警全量研判，漏报率为0.05%，揪出了人漏掉的700多条真实告警，极大提升了集团的整体安全能力。

    ☞二是AI驱动体系，多设备快速联动实现安全运营能力循环上升，威胁遏制实现秒级、溯源分析实现分钟级。我们有一家金融客户，数字化跑得很快，网络安全建设也相对成熟，但在事件处置方面远跟不上实际需求。攻击者经常把安全防线打穿。

    通过部署机器人和NGSOC构成的“AI+安全运营”方案，奇安信帮助这家企业实现了威胁事件的自动化响应。通过AI与防火墙、WAF、SOAR等安全产品的协同联动，对遏制安全威胁的处置时间从过去的10分钟缩短到秒级；对复杂事件的溯源分析缩短到分钟级。安全运营效率大幅提升。

    ☞三是AI驱动智能攻防，通过持续验证，推动安全能力在博弈中演进。“以攻促防”是提升安全能力的重要方式，我从攻击红队和防护蓝队两方面来说。

    先说攻击红队。每年实战攻防演习前，都有很多客户希望使用奇安信的“加特林”打前战。这是款模拟攻击红队的产品，通过全自动化的渗透测试，帮助客户提高演习成绩。虽然效果不错，但创造性不足，遵循固定的流程，面对变化的安全环境和策略不能进行自我调整，无法和专业红队相比。

    为弥补这一短板，我们把安全机器人和“加特林”结合，打造出业内独一无二的“智能红队”。 “智能红队”让“模拟战”更有实战感，把“以攻促防”变得更便捷。

    再说防护蓝队。有一家大型核电企业，希望安排机器人和人工团队比一比。演习期间，客户借助机器人进行防守，共发现15起安全事件，同时机器人发现了被专家遗漏的两个高危的安全事件。在真实风险事件研判准确率上，机器人达到100%。

    ☞四是AI驱动全场景升维，网络安全的最大效能被激发。

    在AI+安全开发方面，基于大模型的代码助手极大提高了开发人员的效率，不仅实现了代码的高效编写，还能自动检测并修复潜在的安全漏洞；

    在AI+终端安全方面，奇安信天擎、反病毒、沙箱等产品深度融合安全大模型的分析能力，无论是二进制文件还是非PE脚本类代码，都能快速分析并识别；

    除此之外，我们还将AI全方位应用在漏洞挖掘、电子取证、操作流程自动化上等众多产品和业务流程方面，大大提高了产品威胁发现、研判、处置水平，升级整体安全防御能力。

    网络空间是看不见硝烟的战场。当攻击者纷纷通过AI实现攻击武器的“升维”时，网络安全的战场将由“冷兵器”时代直接进入“核武器”时代。未来，如果不依托AI，安全也将不复存在。让我们用“AI驱动安全”，向着无限的安全追求不断前进！

    谢谢大家。