网络安全AI说

Podcast · 科技

网络安全AI说

主播 未知 出品 mztkn 科技 · 科技 550 订阅 77 集 3周前更新

在小宇宙收听
AI赋能安全运营:三种范式大PK

AI赋能安全运营:三种范式大PK

网络安全AI说

原文选自公众号:AI安全迪哥 🎙️ 时间轴 ⏱️ 0:00 开场:AI攻击的降维打击 ⏱️ 0:30 Mythos Preview事件:50美元挖出27年零日漏洞 ⏱️ 1:00 Mythos 5漏洞挖掘数据:4月1万+高危,5月2.3万个 ⏱️ 1:30 🔴 范式一:AI外挂式——给漏诊病历做优化排版 ⏱️ 2:30 🟡 范式二:全量日志AI——核磁共振做体检筛查 ⏱️ 3:30 🟢 范式三:AI全栈原生——从数据入口为AI设计 ⏱️ 4:15 SOAR vs AI原生:剧本驱动 vs 目标驱动 ⏱️ 4:40 MDASH验证:100+ Agent协同超越Mythos Preview ⏱️ 5:00 分诊式运营坍塌的三个结构性原因 ⏱️ 5:50 AI全栈原生五特征 & 选型五要素 ⏱️ 6:10 零信任与边界防护的定位 & 收尾 🔀 三种AI安全范式框架对比拆解 🔴 范式一:AI外挂式 💡 核心思路:在已有SIEM/SOC后接AI模块,AI处理SIEM吐出的告警 📥 数据来源:二手数据(经规则引擎预过滤后的告警) 🚫 关键盲区:弱信号被预过滤丢弃、未知威胁无法识别、链式攻击不可见 🏥 生动比喻:医学博士看病——但只能看病历本上已记录的症状,没记的他不知道也判断不了 🧱 天花板:AI视野被前置系统感知能力锁死,等于给漏诊病历做优化排版 🎯 适用场景:预算有限、短期过渡、低威胁环境 🟡 范式二:AI处理全量日志 💡 核心思路:跳过SIEM规则过滤,让AI直接分析全量原始日志 📥 数据来源:全量原始日志(几十亿至上百亿条/天) 🚫 关键盲区:成本极高(1TB日志token费数千到上万元/天)、延迟大(无法实时)、信噪比极低(99.99%正常活动) 🏥 生动比喻:核磁共振做体检筛查——精度够,但不可能给全市人口每天扫一遍 📉 现实情况:仅头部互联网在高价值数据流上使用,或安全厂商PPT演示 🎯 适用场景:超大预算 + 仅聚焦高价值数据流 🟢 范式三:AI全栈原生 💡 核心思路:从数据采集层就为AI设计,全链路AI驱动 📥 数据来源:全量遥测→轻量AI实时语义理解→结构化安全语义向量→上层Agent关联分析 ✅ 关键优势:弱信号不丢弃、多Agent分工精准、目标驱动自适应、分钟级响应、自我进化 ⚡ 与SOAR区别:SOAR=预定义剧本(规则驱动),AI原生=目标驱动(自主规划执行路径) 🔬 实证验证:微软MDASH:100+专用Agent协同→88.45%得分,超越Mythos Preview的83.1% 🎯 适用场景:面对Mythos级攻击的中大型企业,需要与攻击节奏对等的防御体系

6 分钟 96 次播放 3个月前

网安行业的AI理性回归

网安行业的AI理性回归

网络安全AI说

原文链接:https://mp.weixin.qq.com/s/X6QwmoDjkh8vX_Pvn7a3AA?version=4.1.36.70499&platform=mac&mpshare=1&scene=1&srcid=&sharer_shareinfo=ab7fce89ae7ff1f8caa55204852f5be7&sharer_shareinfo_first=ab7fce89ae7ff1f8caa55204852f5be7 选自公众号:安全牛 📌 核心观点汇总 🔹 从"参数崇拜"到"工程理性" ——网安厂商不再执着于自训超大模型,而是回归工程化交付能力 🔹 大模型微调边际收益递减——投入十倍成本,可能只换来 1~2% 的精度提升,性价比已经不划算 🔹 真正的护城河是三重壁垒——语料深度 × 数据广度 × 工具链敏捷度,比参数规模更难复制 🔹 小模型不是将就,是刚需——实时检测场景要求毫秒级响应,0.1B~0.85B 小模型才是正确答案 🔹 分层架构成为行业共识——小模型管检测、中模型管研判、大模型管交互,各司其职 🔄 行业范式转变:从模型竞赛到工程化竞赛 🏢 主要厂商策略一览 🧱 三重壁垒拆解 📚 壁垒一:语料——"暗知识" 不是安全知识点,而是安全的判断逻辑 * 深信服 15 年运营积累 * 经过多模态标注、时序分析、上下文关联 * 教会模型:为什么一次普通登录在特定上下文下是异常的? * 开源模型学不到的实战智慧 📦 壁垒二:数据底座——"量的碾压" 360 百PB级安全数据,十年攻防实战沉淀 * 海量安全事件、流量记录、终端行为数据 * 初创公司有钱也买不到 * 开源社区根本无法复制 🔧 壁垒三:工具链 MCP 化——"最后一公里" 把 AI 从实验室炫技变成流水线标准件 * 模型推理、威胁检测、告警研判封装成标准接口 * 降低集成门槛,提升交付效率 * 客户无需逐家适配

5 分钟 76 次播放 4个月前

AI攻击时代,零信任为何成必选项?

AI攻击时代,零信任为何成必选项?

网络安全AI说

* 主题:从四个真实攻防故事看零信任建设的必要性 * 核心观点:AI攻击让补丁窗口期失效,零信任通过"分层防御"实现安全左移,止战于未战 开场引入:Mythos炸圈,安全圈变天 * 近期安全圈最热话题:Anthropic推出的Mythos AI攻击工具 * Mythos核心能力:代码理解接近人类顶尖工程师,漏洞发现+exploit生成一条龙 * 核心矛盾:AI攻击工具进化速度远超传统防御节奏 故事一:沉睡17年的幽灵 — AI让补丁窗口期失效 * 漏洞档案:Linux内核NFS模块(fs/nfsd/nfs4xdr.c),远程代码执行(RCE) * 沉睡17年:无数次安全审计、500万次模糊测试均未发现 * Mythos唤醒过程:扫描识别逻辑缺陷 → 自动生成攻击代码 → 几分钟完成从发现到远程控制 * 关键数据: * SWE-bench Verified:93.9%(代码理解能力接近人类顶尖工程师) * Exploit生成成功率:72.4%(发现漏洞后七成以上直接能用) * TLO攻击链:32步,分钟级完成(人类需要14-20小时) * 本质变化:"发现即利用,利用即成功",传统补丁窗口期概念基本失效 * 不对称风险:Project Glasswing排除中国,攻击者可能比防守方更早用上这种能力 故事二:消失的互联网资产 — SPA让攻击者看不见 * 痛点场景:HW季必关VPN,安全部门vs业务部门每年吵架 * 解决方案:SDP(软件定义边界)+ SPA(单包授权) * 核心思路:让企业资产从互联网"消失",攻击者看不见、找不到、打不了 * 某企业真实案例数据: * 日均远程访问登录人次:498次 * 单日最高登录人次:1081次 * HW期间各类异常风险日志:5000多次 * 识别并封堵风险IP:11个 * 冻结异常账号:41个 * 安全事件:0起 * 效果:网络扫描、端口探测、指纹识别全部失效,攻击链第一步就断了 故事三:困在沙箱里的木马 — 中招了也干不成事 * 场景:金融公司交易员点击钓鱼邮件附件,木马成功落地 * 传统结局:木马运行 → 连C2 → 控权 → 横向移动 → 一锅端 * 零信任终端方案:沙箱隔离 * 本地桌面:只能办公,禁止访问互联网 * 上网沙箱:只能访问白名单程序,禁止访问业务系统 * 木马窘境: * 在本地桌面:能跑,但连不上C2服务器(驱动层阻断SYN包) * 在上网沙箱:能上网,但不在白名单里,根本跑不起来 * 核心理念:不是保证绝对不中招,而是保证中招后干不成事 * 三大效果:运行即拦截、外联即阻断、数据不落地 故事四:蓝军的13次钓鱼 — 合法身份作恶也能被发现 * 背景:某企业内部攻防对抗,为期4周 * 蓝军攻击:6轮攻击,13次钓鱼,目标打穿IT内网 * 防守方成绩: * 检测成功率:100% * 平均检测时间(MTTR):5分钟 * 结果:攻击者未能打穿IT内网 * 三类风险场景: 1. 用户凭据被窃取(偷到sessionID,拿真凭证访问业务) 2. 终端被钓鱼远控(合法终端成为攻击跳板) 3. 主机横向扩散(利用合法隧道做内网测绘) * 三大防御能力: 1. 凭据窃取识别:中间人代理检测、会话劫持检测、浏览器指纹异常检测 2. 恶意侦察识别:目录侦查检测、端口扫描检测、身份定位、自动注销+锁定 3. 威胁诱捕:终端多维诱饵、应用诱饵探针、原生无交互蜜罐 总结:分层零信任,止战于未战 * 零信任不是单一技术,是分层防御体系 * 三层防御闭环: * 网络层(SPA隐身)→ 暴露面收敛:不让攻击者看见网络 * 终端层(沙箱隔离)→ 安全域隔离:不让安全域进程连上C2 * 行为层(主动防御)→ 恶意行为检测:不让窃取的身份披着合法外衣作恶 * 核心价值:安全左移,从事后补救走向事前预防

5 分钟 88 次播放 5个月前

评价

还没有人评价。听过的话,留个分数和一句短评吧。

播放列表

自动播放下一个

播放列表还是空的

去找些喜欢的单集添加进来吧