青藤雲安全AI防AI體系 「無相」自主安全決策99.99%準確
隨著AI技術的快速發展，引發各類新型網路安全危機。首先是生成式AI重塑網路詐騙的「精準度」，實施「客製化」詐騙；第二，深度偽造 (Deepfake) 與身分冒用；第三是是自動化攻擊與漏洞，傳統防禦系統難以即時回應。青藤雲安全推出自主智能體「無相AI」安全產品，以AI對抗AI。青藤雲安全創始人及CEO張福指出：「未來需要AI安全智慧中樞並圍繞中樞建立新體系。未來產品是給AI用的，而不是給人用的。」
面對AI驅動的網路安全新威脅，傳統防護模式已顯乏力。就在今年春節，DeepSeek官網遭遇3.2Tbps超大規模DDoS攻擊，駭客同步透過API滲透注入對抗樣本，篡改模型權重導致核心服務癱瘓48小時，直接經濟損失超數千萬美元。
以AI對抗AI 三大方向
那麼，我們又有哪些應對之策呢？目前的業界共識已指向「以AI對抗AI」，現有的嘗試大致分為三大類，分別是AI模型的安全防護技術、產業級的防禦應用、更宏觀層面的政府與國際協作。
AI模型安全防護技術的關鍵在於模型的內生安全加固。為防止LLM的「越獄」，AI模型公司Anthropic就於今年二月發布了「憲法分類器」。此處的「憲法」作為一種在合成資料上訓練的保障措施，透過規定允許和限制的內容，即時監測輸入輸出內容，在基準條件的測試中，其Claude3.5模型在分類器保護下，對高級越獄嘗試的成功阻止率從14%提升至95%。
行業級的防禦應用同樣值得關注，其垂直領域的場景化防護正成為關鍵突破點：金融業透過AI風控模型與多模態數據分析構建反欺詐壁壘，開源生態借助智能化漏洞獵捕技術實現零日威脅的快速響應，而企業敏感信息保護則依托控系統。
在宏觀層面上，政府與國際的跨區域協作也正加速。新加坡網路安全局發布《人工智慧系統安全指南》，強制本地化部署與資料加密機制約束生成式AI濫用，特別針對釣魚攻擊中AI偽造身份的識別建立防護標準；美英加三國同步啟動「AI網路代理計畫」，聚焦可信任系統研發與APT攻擊的即時評估，透過聯合安全認證體系強化集體防禦能力。
哪些方法能最大限度地用AI來應對AI時代的網路安全挑戰呢？青藤雲安全創始人及CEO張福指出，未來需要AI安全智慧中樞並圍繞中樞建立新體系。「3年內，AI將會顛覆現有的安全產業，和所有的2B產業。產品將會重新構建，實現前所有未有的效率和能力的提升。未來產品是給AI用的，而不是給人用的。」
在一眾方案中，Security Copilot的模式顯然對「未來產品是給AI用的」提供了很好的示範：一年前，微軟推出了智能Microsoft Security Copilot來幫助安全團隊迅速準確地檢測、調查和響應安全事件；一個月前，又再次發布了用於釣魚攻擊、數據安全和身份管理等關鍵領域自動協助的AI智能體領域。
青藤無相AI：自主智能安全產品
在內地，青藤雲安全推出了全端式安全智能體「無相」，作為全球首個實現從「輔助型AI」向「自主智能體」(Autopilot) 跨越的安全AI產品，顛覆傳統工具的「被動響應」模式，使其自主、自動且智慧。
透過融合機器學習、知識圖譜與自動化決策技術，「無相」可獨立完成威脅偵測、影響評估到回應處置的全流程閉環，實現真正意義上的自主決策與目標驅動。其「Agentic AI架構」設計模擬人類安全團隊的協作邏輯：以「大腦」整合網路安全知識庫支撐規劃能力，「眼睛」細粒度感知網路環境動態，「手腳」靈活調用多樣化的安全工具鏈，並透過多智能體協作形成資訊共享的高效能研判網絡，分工合作、共享資訊。
在技術實作上，「無相」採用「ReAct模式」（Act-Observe-Think-Act迴圈）與「Plan AI + Action AI雙引擎架構」，確保複雜任務中的動態糾偏能力。當工具呼叫異常時，系統可自主切換備用方案而非中斷流程，例如在APT攻擊分析中，Plan AI 作為「組織者」拆解任務目標，Action AI作為「調查專家」執行日誌解析與威脅建模，二者基於即時共享的知識圖譜實現並行推進。
在功能模組層面，「無相」建構了完整的自主決策生態：智能體人設模擬安全分析師的反思迭代思維，動態優化決策路徑；工具呼叫整合主機安全日誌查詢、網路威脅情報檢索及LLM驅動的惡意程式碼分析；環境感知即時擷取主機資產與網路資訊；知識圖譜動態儲存實體關聯，輔助決策；多智能體協作透過任務分拆與資訊共享，並行執行任務。
目前「無相」在警告研判、溯源分析以及輸出安全報告這三大核心應用場景的表現最為出色。
傳統安全營運中，海量警報的真偽甄別耗時費力。以一次本地提權警告為例：無相的警告研判智能體自動解析威脅特徵，調用進程權限分析、父進程溯源、程序簽名驗證等工具鏈，最終判定為誤報 —— 全程無需人工介入。在青藤現有警報測試中，該系統已達到100%警報覆蓋率與99.99%研判準確率，並將人工工作量削減超95%。
在溯源分析這個場景中，首先是Webshell警告觸發「無相AI」驅動的多智能體安全團隊協同溯源：「研判專家」基於告警定位one.jsp文件，生成文件內容分析、作者溯源、同目錄排查及進程追蹤等並行任務，由「安全調查員」智能體調用配置文件，快速地調用10.108.108.23 (透過訪問日誌發現高頻互動) 相繼納入調查。
智能體透過威脅圖譜動態擴展線索，從單一文件逐層深入至進程、主機，研判專家將任務結果綜合判定風險。此過程將人工需數小時至數天的排查壓縮至數十分鐘，以超越人類高級安全專家的精準度還原攻擊全鏈路，無死角追蹤橫向移動路徑，紅隊評估也顯示難以規避其地毯式調查。
「大模型比人工好是因為它能徹底偵查，而非憑經驗排除可能性低的情況。」胡俊解釋道，「這樣相當於廣度和深度都更好。」
在完成複雜攻擊場景的調查後，整理警報與調查線索並產生報告往往耗時費力。而「無相AI」可實現一鍵式總結，以可視化時間線的形式清晰呈現攻擊過程，並結合環境上下文信息，最終生成動態的攻擊鏈路圖譜，讓整個攻擊軌跡以直觀、立體的方式呈現。
總結：重塑網路安全格局
未來，攻防雙方的AI技術競賽將決定網路安全的整體態勢，而安全智能體的完善將是平衡風險與發展的關鍵。而安全智能體「無相」在安全架構與認知層面都帶來了新的改變。
「無相」本質上是改變了對AI的使用方式，從過往將AI作為工具使用的模式轉變為給AI賦能使其能自主且自動地工作。透過關聯分析日誌、文字、流量等異質數據，系統能在攻擊者建立完整攻擊鏈前捕捉APT活動的蛛絲馬跡。更關鍵的是，其決策過程的視覺化推理解釋，讓傳統工具「知其然不知其所以然」的警告成為歷史 ── 安全團隊不僅能看見威脅，更能理解威脅的演化邏輯。
「無相」如同擁有數位直覺的獵人，在對攻擊者的下一步落子進行預判封堵，是對攻防賽局規則的重新定義。「AI智慧中樞系統 (高階安全智能體) 的誕生，將會徹底重塑網路安全的格局。而我們唯一需要做的，就是徹底抓住這個機會。」張福道。
如有任何疑問，歡迎電郵查詢：[email protected]
