|
当前，随着网络的不断扩展、用户需求的急剧增长以及网络攻击手段的不断升级，企业迫切寻求一种具备长期效应且可扩展的解决方案，无需持续招募人才，也能够有效保障企业数字资产安全。Fortinet提出未来应对策略：战略性地部署生成式AI(GenAI)、智能体AI(Agentic AI)技术，精简安全和网络运营流程，实现长期效率提升，缓解人才持续短缺引发的多重挑战。 智能体AI与生成式AI区别何在 当下，“AI”成为科技领域最热门的关键词，几乎所有网络安全供应商都宣称其产品融入了生成式AI或智能体 AI 技术。但IT领导者及其团队要想精准把握AI的实际应用方式，并判断其AI产品实际性能是否与供应商承诺一致，还需进行更深入的探究。 虽然“生成式AI(GenAI)”和“智能体AI(Agentic AI)”有时被互换使用，但二者的用途截然不同。 生成式AI在分析海量数据流和识别模式方面表现卓越，生成的输出结果可供人类审阅并依此采取行动。在网络安全和组网环境中，生成式AI 可以帮助安全团队加速制定更明智的决策，并简化复杂任务。在实践中，分析师可利用生成式AI辅助日常运营，具体包括：优化威胁调查、加速响应工作、创建更高效的SIEM查询、增强和构建SOAR手册，以及快速发现异常行为。 智能体AI是由多个专家智能体组成的生态系统，有别于生成式AI模型通常需用户给出提示并进行监督。这些智能体经过精心设计，能够自主学习和交流互动，并可跨企业整个数字环境自主完成威胁监测、分析与响应。智能体AI可以自动执行复杂的威胁检测和响应工作流程，通过智能决策将人为错误降至最低，还能协调多个由AI驱动的智能体在不同安全层级间进行通信，确保实现智能化同步响应。简言之，智能体AI可以在一个封闭的、基于角色的生态系统中执行人类要求的工作任务。 如何选择安全智能体AI 评估和筛选供应商时，需深入了解供应商如何设计和训练其智能体AI。因为并非所有安全与组网产品均表现卓越且可靠。多数供应商仅聚焦安全或组网单一领域的AI应用，但企业应寻求有能力兼顾两大领域协同工作的供应商，支持企业跨整个数字基础设施充分利用AI驱动的决策优势。企业应寻找专为精准执行专业任务而打造的智能体AI，将其作为有效缓解分析师工作负担、削减运营成本、加速检测与修复流程的专家。 评估和筛选供应商时，提出这些问题将有助于企业快速了解其AI架构的整体开发情况： 采用哪种类型的数据湖训练模型？数据湖的统一性和数据质量如何？该模型是否具备持续学习的能力？ 是否在AI训练过程中使用监督式学习来提高检测准确性？ 如何自定义机器学习引擎，使其同时跨安全和组网环境，有效驱动智能体行为？ 该智能体能否自动感知网络环境中部署的其他智能体AI并与之协作？ 安全团队能否授权智能体在特定场景下进行自主决策？ 进行自主决策时，哪些防护机制/安全护栏可确保智能体的安全性与合规性？ 资料来源于网络，详情请点击： | 
/1 
发表于 2025-8-15 17:49:29
