← 返回列表

数字安全领域 AI 的面向对象是什么?

单站 0x727开源安全团队 发布 Sat, 22 Nov 2025 14:43:00 +0800 入库 2026-11-18T16:22:03

原创 Micropoor 2025-11-22 14:43 上海

注:本文是笔者工作过程中思考事物、认识事物,准备改造事物的手稿之一,因接下来的工作中,拟计划使其数字安全建设与AI融合至统一,因此,笔者把“日记本”中的部分手稿摘录为该文。

一、AI 不面向产品或工具,只面向数据本身

在当前数字安全领域的“AI 热潮”中,最普遍、也最具误导性的观点,是将“产品或工具”当成“AI 的对象”。

诸如“给 WAF 加 AI”、“给 SIEM 套大模型”、“给邮件过滤叠智能体”等想法,看似推动创新,实则概念混乱。

算法无感于产品或工具的边界。

AI 的对象永远是数据及其结构性运动,而不是工具或场景。

数据的结构性决定 AI 能构建怎样的世界模型,也决定它的能力边界。产品或工具分类只是行业惯例,是人为划分的外壳,不具有算法意义。

真正的问题不是“AI 能不能做邮件安全”,而是“AI 能从什么结构的邮件类数据中构建世界模型”。

因此,数字安全行业真正缺少的并不是“AI 应用”,而是对 AI 在安全领域的真实对象 的基础性理解。

二、为什么必须回答这个问题?

过去两年“AI+安全”讨论呈爆炸式增长,但大多数都沿着错误路径展开,诸如:

1、给 WAF 加 AI

2、给邮件网关加 AI

3、给告警系统加 AI

4、给 HIDS 加 AI

5、SIEM 套用通用大模型

等等...

这种模式的问题在于:

产品或工具不是结构,结构才是算法的真实输入。当你说“AI 看懂邮件安全”,算法实际上处理的是:

1、文本序列

2、用户行为上下文

3、组织策略

4、异常分布

5、权限或对象关系图谱

产品或工具只是一层外壳,与算法无直接关系。对象错了,工程必然漂浮,预测偏差、异常误报、无法泛化都随之而来,这正是如今“AI+安全”虚浮的根源。

笔者必须要思考回应此类问题的范畴,制定战略性的动作,必须要思考2个类问题1个统一,既——

2个类问题:

1、面向方向

2、面向对象

1个统一问题:

方向和对象与所在组织(公司)场景的统一。

这关乎在接下来的几年的过程中,集中投入、集中力量等一系列的集中总和,于某一个或几个对象的全面推进,对象一旦错误,越集中越偏离;统一一旦分歧,越投入价值回报率越离奇。因此,笔者在此类问题的过程中思考许久。

三、AI 的对象由底层三重约束决定

AI 能处理什么,并不是主观感性的选择,而是受到三种结构性约束:

1、所在组织(公司)算力约束——决定数据颗粒度、模型规模、上下文长度、推理窗口。

2、算法架构约束——决定模型能够处理的对象类型:序列?图?分布?规则?

3、数据结构约束——决定 AI 能构建何种世界模型。(例:系统调用是强结构,邮件正文是弱结构)

由此,AI 的世界不是被产品(工具)名称塑造的,而是被数据的物质性形态 规定的。那些震撼世界的词句只是为了迎合完成KPI而创造的,必须回归于现实的物质形态。

四、数据的“双维度结构”:空间与时间

AI 在数字安全领域能否“理解”一个现象,取决于数据在空间和时间上的结构性。

1、空间维度:数据的结构强弱

(1)弱结构数据

如:邮件正文、日志文本、单条 HTTP 请求

特点:噪声大、信息密度低、必须依赖大量上下文。

(2)强结构数据

如:系统调用序列、攻击关系图、权限继承图、告警语义树

特点:高压缩、高语义、内置专家结构、AI 能直接推理

因此,结构强弱决定了 AI 的信息效率。

2、时间维度:行为的连续性

AI 能否构建有效模型,取决于:

——Δt:可观测的时间窗口

——ΔV:单位时间内的信息体量变化速度

(1)窗口越长,越容易发现行为模式;

(2)体量越稳定,越容易建立行为基线。

安全风险治理根源上都是“时间维度中的模式偏移”。

五、基于结构的推导:AI 在数字安全领域的四类对象

当我们抛开产品和工具边界,从数据结构出发,AI 在安全领域的对象自然显现为四类。这四类不是场景,而是本体结构,是一切安全 AI 能力的基底:

对象一:序列

形式:X={x1,x2,…,xT}

数字安全世界大部分的数据都是序列:

1、流量

2、系统调用

3、登录行为

4、告警时间序列

5、攻击阶段序列

主要任务:

1、异常检测

2、趋势预测

3、事件关联

4、行为基线建模

序列是数字安全数据中最基础的结构。

对象二:图

形式:G=(V,E)

当安全问题涉及关系与依赖,图结构是核心载体:

1、权限关系图

2、攻击链

3、横向移动图

4、主机—进程—连接关系图

5、服务依赖图

1、图嵌入

2、权限扩张路径预测

3、图结构异常检测

4、攻击路径推演

安全在被攻击本质上是“图结构的扰动”。

对象三:分布

形式:Pt(X)

数字安全问题最难的部分都与分布偏移相关:

1、行为异常

2、0day(1day)

3、数据泄露

4、内部违规

5、流量突变

核心任务:

1、分布偏离检测

2、概念漂移监测

3、异常评分

这是未知攻击检测的根基,也是未来的主战场,更是可“扩展”的思考高地。

对象四:规则空间

形式:R={r1,r2,...,rn}

安全的大部分劳动是规则治理,而规则并非静态:

1、会冗余

2、会冲突

3、会膨胀

4、会被绕过

5、会自我老化

AI 在规则空间中的能力是:

1、规则压缩

2、冲突检测

3、策略生成

4、约束求解

5、自动优化

这是未来安全策略体系的中枢战场。

六、为什么邮件、HIDS、WAF 等一系列的总和不是AI的对象?

因为它们都不是结构,只是“打包方式”,拆开后都能映射到四类对象:

| 工具 | 结构对象 |
| 邮件安全 | 文本序列、分布偏移、规则空间 |
| WAF | 流量序列、状态图、分布偏移 |
| HIDS | 系统调用序列、主机关系图 |
| SOC | 告警序列、策略图、分布异常 |

产品和工具是外壳,结构是本体,结构是算法的输入。

AI不会因为产品名称变聪明,只会因为数据结构充分而强大。

八、回归结构是高质量建设的前提

2024–2025是数字安全AI讨论呈爆炸式增长的过程,越是这种时候,越要沉着、冷静的面向结构延展思考。

四类对象——

1、序列

2、图

3、分布

4、规则空间

构成了安全 AI 的底层结构论。

一旦理解这些,所有“AI+安全”的混乱讨论都会自然坍缩回一个清晰框架。

真正的数字安全建设的创新也会从这里开始。

原文链接:https://mp.weixin.qq.com/s?__biz=MzkwNTI3MjIyOQ==&mid=2247484249&idx=1&sn=ba3d185b07e94be0bb3bc1ffe5830c7d