网络安全的创新方向

数据安全治理包括数据分类分级、数据脱敏、数据防泄漏等工作，通常基于特征、正则表达式以及机器学习方式对大规模的数据进行识别标注，但大多面临规则引擎能力受限、误报高、重人力等问题，无论对于用户还是数据安全服务商来说，都带来了极大挑战。

AIGC的出现，已经在数据分类分级、敏感数据识别、数据防泄漏等方面带来革命性改变，包括通过自然语言处理实现自动化数据分类与标签生成，使用多模态技术识别图像、音频等非结构化数据，以及利用类人脑思维链和推理能力理解复杂的语言结构和上下文，高精度识别敏感内容和异常行为。

通过大模型处理数据分类、数据脱敏和数据防泄漏等任务，在既保证很好效果的同时，也对数据安全治理工作的效率带来数十倍以上提升，将成为未来数据安全技术发展的重要方向。

可参考方案

观安信息的观智数据流转监测系统    

360大模型赋能数据安全分类分级

安全运营是提升网络安全能力的核心工作，但目前面临告警噪音与误报、APT、0Day以及高混淆、高变换、高对抗性攻击检出率低、海量异构数据难以整合分析、响应处置智能化不足、人才短缺等问题，导致效果始终无法达到预期。

AIGC在解决这些问题方面展现出高效的思维推理与研判能力。首先，它能够将复杂的安全问题分解为多个步骤，并在保持上下文信息的基础上进行逻辑推理，有效过滤误报、攻击尝试、低风险问题等，突出高威胁事件。其次，通过理解因果关系和进行演绎归纳推理，它在识别APT和0Day攻击时更为高效，并通过强大的生成能力，给出详细和深度的研判结果，大幅简化研判难度。最后，大模型具有强大的动态调整和自适应学习能力，能够根据实时的反馈动态优化防御策略，提升告警处置效率、增强攻击识别精度和自动响应能力，从而全面提升网络安全运营的效果。融合AI已成为当下网络安全运营中不可或缺的能力，也是未来必然的发展趋势。

可参考方案

360大模型自动化安全运营

天融信的天问大模型系统

AIGC的出现可以更好应对软件安全开发中面临的困难，包括代码质量与安全性低、代码检测误报率高、缺陷分析与漏洞修复效率低、重复性编码等问题。

首先代码检测方面，大模型具备较强的语义理解和推理能力，可以实现自动化的代码审查和漏洞检测，减少人为/工具的错误，进一步提升检测结果的准确性，并可根据当前实际代码分析漏洞成因、利用方法和修复方案。

其次大模型通过对代码上下文的关联分析，能够智能地补全和生成符合最佳安全实践的代码，有效减少因安全意识和编程习惯差异而导致的代码质量和安全性不一致的问题。    

最后，利用本地化大语言模型作为AI开发知识助手，可以降低开发门槛，提升开发者工作效率，从而实现在软件安全开发中的降本增效。目前大模型技术已经成为很多开发安全厂商的主要技术方向。

可参考方案

华清未央的机器语言大模型MLM

酷德啄木鸟软件安全治理平台

自动化渗透测试是一种通过自动化工具模拟攻击者行为，评估系统安全性的方法。

传统的自动化渗透测试主要依赖于测试工具，自动化脚本并按内置的渗透测试步骤进行自动化渗透测试，或结合知识图谱技术，通过结构化的安全知识和关系网络来指导测试过程。然而，传统技术面临漏洞检测和利用依赖预定义模式、复杂攻击路径生成难度大、实时威胁响应滞后、测试效率和准确性有限等问题。

大模型技术（如AIGC）的出现，使渗透测试由自动化迈向智能化。大模型凭借出色的自然语言理解和交互推理能力，可以自动分析代码和检测漏洞，结合知识图谱技术，生成复杂的攻击路径和策略，对多条攻击路径进行智能推荐，自动生成和优化测试脚本，实时分析和响应最新威胁，生成详细的人读报告和修复建议，并通过持续学习和改进测试效果，提升自动化渗透测试的全面性和效率。

可参考方案

长亭科技的AI驱动

当前邮件安全防护的主要内容包括垃圾邮件过滤、钓鱼邮件检测、邮件数据防泄漏（EDLP）以及恶意附件和链接的传播等，防护策略主要依赖于规则引擎、黑白名单、用户行为和基线分析等较为静态的检测方法。

面对复杂多变的新型攻击手段时，存在规则维护困难、高误报与漏报率、易被绕过等问题。通过将自然语言处理、计算机视觉和链接分析等技术深度融合，AIGC 能够对邮件中的文本、附件和链接进行多维度、细粒度的分析，从而有效识别并拦截各类新型网络威胁。相比传统基于规则的防护方式，AIGC 具有更强的自适应性、更低的误报率，能够更好地应对日益复杂的网络攻击，使得邮件安全防护从传统的被动防御转变为主动防御。

AIGC赋能邮件安全，可以更好地解决传统邮件安全防护技术面临的问题和局限性，显著提升邮件安全防护的全面性和效率。

360大模型邮件安全    

认知安全是网络安全领域中一个较新的概念，它涉及到保护用户的感知、理解和决策过程，以防止网络攻击者通过操纵或误导用户的认知来达到其恶意目的。

随着AIGC技术的发展，认知安全将面临更加复杂和智能化的威胁，特别是深度学习和计算机视觉技术的进步，使得伪造逼真图像和视频成为可能，而语音合成技术的发展也让声音伪造变得更加普遍和难以检测。

认知安全的核心是确保用户能够正确识别和处理网络安全相关的信息，通过计算机视觉分析图像特征、语音处理辨别真实声音、机器学习识别复杂伪造模式以及大数据分析等一系列手段，提升用户认知安全的防护水平，有效防范数字内容伪造、钓鱼攻击、虚假信息传播等风险的发生。

可参考方案    

在享受AIGC技术带来红利的同时，也要面对与其相关的网络安全问题。大模型在数据保护、模型安全、内容合规性、业务运营安全等方面面临多重挑战，包括数据泄露、隐私侵犯、模型逆向工程、虚假信息生成、对抗样本攻击、数据投毒、供应链攻击、模型窃取以及伦理风险等问题。这些问题要求我们在技术革新的同时，加强安全防护措施，确保AIGC技术安全可靠发展。

在网络威胁日益严峻、防御体系持续膨胀、安全运营不断深入的背景下，企业安全管理工作仍然面临多项挑战，包括内部安全状况的不透明性、风险管理的主观性、缺乏安全实践标准、安全投入效果和收益难于评估等问题，这些问题阻碍了其精确评估安全状况、制定基于数据的决策、安全性能优化及投资效率提升，影响企业整体的网络安全管理效能。

网络安全度量利用可度量的客观数据和方法论，通过在安全性能监控、安全风险管理、安全效果评估、安全意识观测、合规性分析等多维度进行量化评估，帮助企业更好理解自身的安全状况，从而提升其管理决策的质量，优化资源配置，并增强风险管理的能力。

在企业安全体系由基础建设迈向精细化运营的阶段，网络安全度量作为一个“体检式”技术，其重要性和受关注度将日益提升。    

可参考方案

灰度安全智能风控评估系统

360扛攻击能力系统

安全态势管理是指通过对企业整体安全状态的可见性和理解，全面评估当前存在的安全风险，并对未来可能的发展趋势进行预测，从而及时采取有针对性决策和行动的过程。相较于传统态势感知技术（如网络流量监测、终端行为分析、资产发现和漏洞检测等），安全态势管理扩展到基于配置管理、合规性检查、应用安全检测和数据安全保护等多维度的评估。

安全态势管理体现了安全防护思想由被动检测和响应向主动识别和保护的转变，通过提前发现并修复配置错误、未授权访问、漏洞利用、数据泄漏、内部威胁等常见的安全缺陷，不断增强企业对抗风险的能力。