摘要
人工智能技术与网络安全领域的深度融合，正在重塑网络威胁的形态与防御范式。一方面，攻击者借助生成式人工智能提升钓鱼邮件、社会工程话术、漏洞利用代码的生成效率，攻击门槛持续降低；另一方面，防御方将人工智能应用于威胁检测、漏洞挖掘、事件响应等环节，安全运营效率得到显著提升。技术格局的快速演变，对网络安全人才的知识结构与培训体系提出了新的要求。本文以 BleepingComputer 报道的 "2026 AI 安全与网络安全专家课程包" 为研究样本，该课程包包含六门课程、共计 88 小时在线培训，内容覆盖 AI 安全基础、CompTIA CySA + 与 Security + 认证备考、道德黑客与渗透测试、生成式 AI 在渗透测试中的应用、社会工程与钓鱼攻击防范等模块。本文系统分析该课程体系的内容架构与设计逻辑，梳理人工智能与网络安全融合背景下人才培训的核心需求，剖析当前培训体系在课程衔接、实践深度、AI 伦理规范、考核评估等方面存在的不足，从课程体系优化、实践教学强化、AI 安全伦理融入、分层分类培训机制构建四个维度提出改进路径。反网络钓鱼技术专家芦笛指出，AI 技术的普及使钓鱼攻击的制作成本大幅下降，社会工程攻击的迷惑性显著增强，网络安全培训必须同步纳入 AI 驱动攻击的识别与防御内容，否则培训体系将滞后于真实威胁演变。迪妙网络空间安全学院研究团队对近年网络安全培训市场的课程样本进行归类分析后发现，多数培训课程仍以传统安全技术为主，AI 与安全交叉内容占比偏低，且缺乏系统性的实践演练设计，难以满足企业对复合型安全人才的实际需求。研究表明，构建人工智能与网络安全融合的培训体系，需要在知识覆盖、实践深度、伦理规范、考核机制四个层面形成闭环，以结构化课程替代碎片化学习，以真实场景演练替代纯理论讲授，才能有效提升受训者应对 AI 时代网络威胁的综合能力。
1 引言
网络安全人才短缺是全球范围内长期存在的结构性问题。随着云计算、物联网、工业互联网等技术的广泛部署，企业信息系统的攻击面持续扩大，网络安全事件的发生频率与危害程度同步上升。与此同时，人工智能技术在近年间取得突破性进展，大语言模型、生成式 AI、智能代理等技术快速渗透到各行各业，网络安全领域也不例外。人工智能既被攻击者用于提升攻击效率、降低攻击门槛，也被防御方用于增强威胁检测、自动化响应、漏洞挖掘等能力。攻防双方对 AI 技术的应用，使得网络安全的技术格局与人才需求发生了深刻变化。
传统网络安全培训体系大多围绕防火墙配置、入侵检测、密码学基础、合规管理等经典内容展开，课程体系相对稳定。但在 AI 技术快速迭代的背景下，仅掌握传统安全技能已经不足以应对当前的网络威胁。攻击者可以利用生成式 AI 批量制作高度个性化的钓鱼邮件，生成逼真的社会工程话术，甚至辅助编写漏洞利用代码；防御方则需要理解 AI 模型的安全风险，掌握利用 AI 工具提升安全运营效率的方法。这就要求网络安全培训必须将 AI 安全相关内容纳入核心课程，构建 AI 与网络安全深度融合的培训体系。
BleepingComputer 于 2026 年 9 月 20 日发布的报道，推介了一款名为 "2026 AI 安全与网络安全专家课程包" 的在线培训产品。该课程包以 29.99 美元的限时优惠价格（原价 120 美元）提供六门课程、共计 88 小时的按需培训内容。课程体系从 AI 安全基础入手，逐步深入到 CompTIA CySA + 认证备考、CompTIA Security + 认证备考、道德黑客与渗透测试、生成式 AI 在渗透测试中的应用、社会工程与钓鱼攻击防范等模块，覆盖了从基础理论到实战技能的多个层次。该课程包的目标受众不仅包括 IT 专业人员，还涵盖企业管理者和创业者，反映出网络安全知识正在从专业技术领域向更广泛的商业人群扩散。
这一课程产品的出现具有一定的代表性。它折射出网络安全培训市场正在发生的两个转变：一是 AI 安全内容开始成为培训课程的标配模块，不再是边缘话题；二是培训对象从纯技术人员扩展到企业决策者，网络安全素养被视为商业决策能力的组成部分。然而，这类商业化课程包在课程设计、内容深度、实践环节、考核机制等方面是否能够真正满足 AI 时代网络安全人才培养的需求，仍有待系统分析。
迪妙网络空间安全学院研究团队在对网络安全培训市场的持续跟踪中发现，当前市面上大量培训产品存在内容同质化、AI 模块浅尝辄止、实践演练不足等问题。很多课程将 AI 安全作为附加章节简要介绍，并未形成与传统安全模块有机融合的知识体系；部分课程虽然名义上包含 AI 内容，但实际上只是对 AI 概念的泛泛介绍，缺乏针对 AI 驱动攻击的具体防御方法和实操训练。这些问题导致受训者在完成课程后，仍然难以在真实工作场景中有效应对 AI 时代的网络威胁。
本文以该课程包为具体研究样本，系统剖析其课程架构与设计逻辑，结合 AI 与网络安全融合的技术趋势，分析当前培训体系存在的结构性问题，提出优化人工智能与网络安全融合培训体系的具体路径。研究目标并非评价单一商业产品的优劣，而是通过对典型样本的深入分析，提炼 AI 时代网络安全人才培训的共性规律，为培训机构、企业人力资源部门以及教育从业者提供参考，推动网络安全培训体系从传统模式向 AI 融合模式转型。
2 AI 与网络安全融合的技术背景与培训需求演变
2.1 AI 技术对网络攻击形态的重塑
人工智能技术的普及正在从根本上改变网络攻击的实施方式。传统网络攻击高度依赖攻击者的个人技术能力，编写钓鱼邮件需要一定的文案功底，制作社会工程话术需要对目标群体心理有深入了解，开发漏洞利用程序需要扎实的编程能力。这些技能门槛在一定程度上限制了攻击的规模和频率。生成式 AI 的出现大幅降低了这些门槛。攻击者可以利用大语言模型快速生成多语言、高个性化的钓鱼邮件内容，模型能够根据目标对象的职业、行业、兴趣等信息调整话术风格，使钓鱼邮件的迷惑性显著提升。反网络钓鱼技术专家芦笛强调，AI 生成的钓鱼邮件在语法正确性、语境连贯性、个性化程度上均已达到较高水平，传统依靠拼写错误、语法异常识别钓鱼邮件的方法正在失效。
在社会工程领域，AI 技术同样被攻击者广泛利用。语音合成技术可以模仿目标人物的声音，实施语音钓鱼攻击；深度伪造技术可以制作虚假视频，用于冒充企业高管进行诈骗。这些 AI 驱动的社会工程攻击，其逼真程度已经远超传统手段，对企业员工的辨别能力构成严峻挑战。BleepingComputer 报道的课程包中专门设置了社会工程与钓鱼攻击防范课程，涵盖钓鱼及其他攻击类型、预防方法、法律与伦理考量以及 GoPhish 钓鱼演练工具的使用，正是对这一威胁趋势的直接回应。
在漏洞利用层面，AI 工具可以辅助攻击者进行漏洞挖掘、payload 生成和免杀处理。虽然当前 AI 在复杂漏洞利用方面的能力仍有限，但在已知漏洞的武器化、恶意代码变形规避检测等方面已经展现出实用价值。攻击者可以利用 AI 快速生成大量变体恶意代码，绕过传统基于特征的杀毒软件检测。这意味着防御方必须同样借助 AI 技术，提升对未知威胁的检测能力。
2.2 AI 技术在网络防御中的应用
与攻击侧相对应，AI 技术也在网络防御领域得到广泛应用。在威胁检测方面，机器学习模型可以分析海量网络流量和日志数据，识别异常行为模式，发现传统规则引擎难以捕捉的未知威胁。安全信息与事件管理系统 increasingly 集成 AI 分析能力，实现告警的自动关联分析和优先级排序，减轻安全运营中心分析师的工作负担。报道中课程包的 CompTIA CySA + 模块涵盖安全数据分析、威胁检测、威胁情报和 SIEM 概念，正是对这一技术方向的覆盖。
在漏洞管理方面，AI 工具可以辅助安全人员进行漏洞扫描结果的优先级排序，结合漏洞的可利用性、资产重要性、威胁情报等多维度信息，帮助企业将有限的修复资源投入到最紧迫的漏洞上。在事件响应方面，AI 可以辅助进行事件根因分析、影响范围评估和响应建议生成，缩短事件响应时间。
然而，AI 在防御侧的应用也带来新的挑战。AI 模型本身可能存在安全漏洞，对抗样本攻击可以绕过基于 AI 的检测系统；模型训练数据可能被投毒，导致模型输出错误结果；AI 决策过程的可解释性不足，安全人员难以理解模型为何做出特定判断。这些问题构成了 "AI 安全" 这一新兴研究领域的核心议题，也是网络安全培训必须覆盖的新内容。
2.3 培训需求的结构性转变
AI 与网络安全的双向融合，使得网络安全人才的能力需求发生了结构性转变。传统网络安全岗位主要要求掌握网络协议、系统安全、密码学、合规管理等基础知识，以及防火墙、入侵检测系统、漏洞扫描器等工具的使用能力。在 AI 时代，安全人员还需要理解 AI 模型的基本工作原理，了解 AI 系统的安全风险，掌握利用 AI 工具提升安全运营效率的方法，同时具备识别 AI 驱动攻击的能力。
这种需求转变不仅体现在技术岗位上，也延伸到企业管理层。BleepingComputer 报道明确指出，网络安全不再仅仅是 IT 部门的话题，企业领导者每天都在与技术打交道，理解安全团队如何识别漏洞、响应事件、使用 AI，能够为决策提供有用的背景信息。这意味着企业管理者也需要具备一定的网络安全素养，包括对 AI 安全风险的基本认知，以便在技术投资、风险管理、危机应对等方面做出合理决策。
迪妙网络空间安全学院研究团队对多家企业的安全岗位招聘信息进行分析后发现，超过六成的安全岗位在任职要求中提及了 AI 或机器学习相关技能，包括 "了解 AI 在安全运营中的应用"" 熟悉 AI 驱动的威胁检测工具 ""具备 AI 安全风险评估能力" 等。这一比例较三年前有显著提升，反映出企业对复合型安全人才的需求正在快速增长。然而，现有培训体系在 AI 安全内容的覆盖深度和系统性方面仍显不足，人才供给与市场需求之间存在明显缺口。
3 典型课程体系的内容架构与设计逻辑分析
3.1 课程模块的分层结构
以 BleepingComputer 报道的 "2026 AI 安全与网络安全专家课程包" 为样本，可以将其六门课程按照知识层次划分为基础层、技术层和实战层三个梯度。
基础层以 AI 安全基础课程为核心，内容涵盖人工智能在网络安全中的基本原理、漏洞检测、威胁分析、事件响应以及负责任的 AI 使用。这一模块的定位是为受训者建立 AI 与网络安全交叉领域的知识框架，理解 AI 技术如何被应用于安全场景，以及 AI 系统本身面临的安全风险。该模块不要求受训者具备深厚的 AI 技术背景，适合作为整个课程体系的入门引导。
技术层包含 CompTIA CySA+ CS0-003 认证备考课程和 CompTIA Security+ SY0-701 认证备考课程。前者时长 31 小时，是整个课程包中体量最大的模块，内容覆盖安全数据分析、威胁检测、漏洞管理、事件响应、威胁情报和 SIEM 概念，聚焦于安全运营分析师所需的核心技能。后者时长 22 小时，内容涵盖网络安全、威胁、密码学、治理、风险与合规，是网络安全领域的基础认证课程，为受训者提供全面的安全知识框架。这两门认证备考课程构成了课程体系的技术主干，以行业公认的认证标准为锚点，确保内容的系统性和权威性。
实战层包含道德黑客与渗透测试课程、生成式 AI 在渗透测试中的应用课程、社会工程与钓鱼攻击防范课程。道德黑客课程以 Metasploit 框架为核心工具，涵盖漏洞评估、侦察、漏洞利用技术和专业报告撰写，提供渗透测试的完整方法论和实操技能。生成式 AI 渗透测试课程则将 AI 技术引入渗透测试场景，探讨如何利用生成式 AI 辅助渗透测试工作，这是 AI 与安全融合在实战层面的直接体现。社会工程课程聚焦钓鱼及其他社会工程攻击的识别与防范，包含预防方法、法律与伦理考量以及 GoPhish 钓鱼演练工具的使用，填补了技术课程在人为因素防御方面的空白。
3.2 课程设计的逻辑特征
从整体设计来看，该课程包呈现出几个显著特征。第一，以认证标准为骨架。CompTIA Security + 和 CySA + 是国际公认的网络安全认证，其知识体系经过行业长期检验，具有较高的权威性和系统性。课程包以这两门认证备考课程为技术主干，确保了核心知识覆盖的完整性。这种设计思路降低了课程开发的内容规划成本，同时为受训者提供了明确的学习目标 —— 通过认证考试，增强了课程的实用价值。
第二，AI 内容的融入呈现 "基础 + 专项" 的双轨模式。一方面，AI 安全基础课程作为独立模块，系统介绍 AI 与安全交叉领域的知识；另一方面，生成式 AI 在渗透测试中的应用课程作为专项实战模块，深入探讨 AI 在具体安全场景中的应用。这种双轨设计既保证了 AI 知识的系统性覆盖，又提供了具体场景的深入实践，避免了 AI 内容流于表面。
第三，课程受众定位宽泛。报道明确提到该课程包适合创业者、IT 专业人员和企业管理者，不假设受训者已经是经验丰富的安全工程师。这种宽受众定位反映了网络安全知识普及化的趋势，但也带来了课程深度与广度之间的张力 —— 既要满足技术人员的实操需求，又要兼顾管理者的认知需求，在有限的课程时长内很难同时做到两者的深度覆盖。
第四，实践工具的引入具有针对性。课程中明确提及 Metasploit 和 GoPhish 两款工具，前者是渗透测试领域的标准框架，后者是广泛使用的钓鱼演练平台。将具体工具纳入课程，使得受训者能够获得 hands-on 的操作经验，而不仅仅是理论知识。这对于网络安全这类实践性极强的学科尤为重要。
3.3 课程体系的局限性
尽管该课程包在内容覆盖上较为全面，但从 AI 与网络安全融合培训的高标准来看，仍存在若干局限性。
首先，AI 模块的深度有限。AI 安全基础课程作为入门模块，其内容深度受制于 "基础" 定位，难以覆盖 AI 安全领域的前沿议题，如大语言模型的提示注入攻击、模型越狱、训练数据隐私泄露、AI 代理的安全风险等。生成式 AI 渗透测试课程虽然聚焦实战，但报道未详细说明其实操深度，考虑到课程包整体定价较低，其实践环节的设计可能较为基础。
其次，课程之间的衔接性有待加强。六门课程分别覆盖不同主题，但报道未说明课程之间是否存在明确的先修关系和知识递进设计。如果各门课程相对独立、缺乏有机串联，受训者可能获得的是碎片化的知识点，而非融会贯通的知识体系。特别是 AI 安全内容与传统安全模块之间的交叉融合，如果仅作为独立模块存在，而未渗透到每门课程的相关章节中，就难以真正实现 "融合" 培训的目标。
第三，考核与评估机制不明确。报道未提及课程包是否包含测验、实验考核、结业认证等评估环节。对于网络安全培训而言，缺乏有效的考核机制意味着无法验证受训者是否真正掌握了所学技能，特别是实操技能。纯视频讲授模式下，受训者的学习效果高度依赖个人自律，培训质量难以保证。
第四，AI 伦理与法律内容的覆盖不足。虽然社会工程课程提及法律与伦理考量，AI 安全基础课程提及负责任的 AI 使用，但在 AI 技术深度参与网络攻防的背景下，AI 伦理、数据隐私、算法偏见、AI 使用的法律边界等议题需要更加系统和深入的覆盖。当前课程设计中，这些内容更像是附加章节，而非贯穿始终的核心线索。
迪妙网络空间安全学院研究团队指出，商业化低价课程包在网络安全培训市场中扮演着入门普及的角色，其价值在于以较低门槛吸引更多人接触网络安全知识，扩大人才储备的基数。但这类产品不能替代系统化、深层次的专业培训，企业在构建内部人才培养体系时，应当将这类课程作为基础入门环节，配套更深入的专项培训和实战演练，形成分层递进的培养路径。
4 AI 融合背景下网络安全培训体系的优化路径
4.1 课程体系的结构化重构
构建 AI 与网络安全融合的培训体系，首先需要对课程结构进行系统化设计，打破传统安全课程与 AI 课程相互独立的格局，实现知识的有机融合。课程体系应当按照 "基础认知 — 核心技能 — 专项深化 — 综合实战" 四个层级递进设计，每个层级都融入 AI 相关内容，而非将 AI 作为独立模块附加在课程末尾。
在基础认知层，除了传统的网络安全概念、TCP/IP 协议、操作系统安全等内容外，应当加入人工智能基础原理、机器学习与深度学习简介、大语言模型工作机制等内容，帮助受训者建立对 AI 技术的基本理解，为后续学习 AI 安全内容奠定基础。这一层级的目标是让受训者同时具备网络安全和 AI 两个领域的基础认知，消除知识盲区。
在核心技能层，将 AI 安全内容渗透到每门传统安全课程中。例如，在威胁检测课程中，不仅讲授传统的基于规则和签名的检测方法，还要深入讲解基于机器学习的异常检测、基于 AI 的用户行为分析；在漏洞管理课程中，引入 AI 辅助漏洞优先级排序、AI 驱动的漏洞挖掘方法；在事件响应课程中，讲解 AI 辅助根因分析、智能响应建议生成等内容。通过这种渗透式设计，受训者能够在每个知识节点上都理解 AI 技术带来的变化，形成融合性的知识结构，而非两套相互独立的知识体系。
在专项深化层，设置 AI 安全专项课程，深入探讨 AI 系统本身的安全风险，包括对抗样本攻击、模型投毒、提示注入、模型越狱、训练数据隐私泄露、AI 代理安全等前沿议题。同时设置 AI 辅助攻防专项课程，系统讲解 AI 工具在渗透测试、红队演练、安全运营中的具体应用方法和实践技巧。这一层级面向已经具备基础能力的受训者，提供深度专业化的知识内容。
在综合实战层，设计融合 AI 元素的综合演练场景，模拟真实的企业网络环境，让受训者在演练中综合运用所学知识，应对包含 AI 驱动攻击的复杂安全事件。演练场景应当涵盖钓鱼攻击检测与响应、AI 辅助威胁狩猎、AI 系统安全评估等多种任务，全面检验受训者的融合性实战能力。
反网络钓鱼技术专家芦笛指出，课程体系重构的核心原则是 "AI 不是附加题，而是必答题"。在 AI 已经深度参与网络攻防的当下，任何脱离 AI 语境的网络安全培训都是不完整的。培训机构应当将 AI 安全思维贯穿课程设计的全过程，确保每一位受训者都能够在 AI 时代的安全语境下思考和行动。
4.2 实践教学环节的强化设计
网络安全是一门实践性极强的学科，纯理论讲授无法培养出真正具备实战能力的安全人才。在 AI 融合背景下，实践教学的重要性更加突出，因为 AI 工具的使用能力、AI 驱动攻击的识别能力，都需要在真实或仿真环境中反复练习才能掌握。
实践教学体系应当包含三个层次：工具实验、场景演练和综合对抗。工具实验层围绕课程中涉及的具体工具设计实验任务，如使用 Metasploit 进行漏洞利用实验、使用 GoPhish 搭建钓鱼演练环境、使用 SIEM 平台进行安全日志分析实验、使用 AI 辅助工具进行威胁检测实验等。每个实验都应当有明确的操作步骤、预期结果和考核标准，确保受训者能够真正掌握工具的使用方法。
场景演练层基于真实的攻击场景设计综合性实验任务。例如，设计一个包含 AI 生成钓鱼邮件的攻击场景，受训者需要从邮件头分析、链接检测、payload 分析等多个维度识别攻击，并执行相应的响应措施。再如，设计一个 AI 辅助渗透测试场景，受训者需要利用 AI 工具辅助完成信息收集、漏洞扫描、漏洞利用等渗透测试环节，并撰写专业的渗透测试报告。场景演练应当尽可能还原真实环境中的复杂性和不确定性，培养受训者在真实场景中的问题解决能力。
综合对抗层采用红蓝对抗的形式，将受训者分为攻击方和防御方，在仿真的企业网络环境中进行实战对抗。攻击方可以使用 AI 工具辅助攻击，包括生成钓鱼邮件、自动化漏洞扫描、智能 payload 生成等；防御方则需要利用 AI 增强的检测工具进行威胁发现和响应。对抗结束后进行复盘分析，总结攻防双方的经验教训。这种形式能够最大限度地模拟真实的网络攻防环境，全面提升受训者的综合实战能力。
在实践教学的实施方式上，可以利用虚拟化技术、容器技术和网络仿真平台搭建隔离的实验环境，确保实验操作不会影响真实系统，同时允许受训者反复练习。对于 AI 相关实验，可以提供预置的 AI 模型和工具环境，降低实验环境搭建的门槛，让受训者专注于安全技能的练习，而非环境配置。
迪妙网络空间安全学院研究团队在实践教学研究中发现，采用 "理论讲授 — 工具实验 — 场景演练 — 综合对抗" 四阶递进的实践教学模式，受训者的技能掌握程度显著优于纯理论讲授模式。特别是在 AI 安全相关技能方面，由于 AI 工具的使用效果高度依赖具体场景和参数调整，只有通过反复实践才能形成有效的使用经验。因此，实践教学环节的学时占比应当不低于总学时的百分之四十，确保受训者有充足的动手练习时间。
4.3 AI 安全伦理与法律规范的系统融入
AI 技术在网络安全领域的应用，引发了一系列伦理和法律问题，这些问题必须在培训体系中得到系统回应，否则受训者可能在不知情的情况下触碰法律红线或伦理边界。
在伦理层面，AI 在网络攻防中的应用涉及多个争议性议题。在攻击侧，利用 AI 生成大规模钓鱼邮件、深度伪造语音视频进行诈骗，其伦理性质明确属于恶意行为，但利用 AI 辅助安全研究、漏洞挖掘则属于正当的安全工作。两者之间的界限并非总是清晰，例如使用 AI 工具扫描互联网上的系统漏洞，是否构成未经授权的访问？利用大语言模型生成漏洞利用代码，是否属于传授犯罪方法？这些问题需要在培训中引导受训者进行深入思考，建立清晰的伦理判断框架。
在防御侧，AI 工具的使用同样涉及伦理问题。基于 AI 的用户行为分析系统可能收集大量员工的个人行为数据，涉及隐私侵犯风险；AI 驱动的威胁检测系统可能产生误报，对无辜用户造成不必要的调查和干扰；AI 决策的不透明性可能导致安全事件响应中的责任归属困难。这些问题要求安全人员在使用 AI 工具时具备伦理敏感度，在安全效能和个人权利之间寻求平衡。
在法律层面，网络安全领域已有较为完善的法律法规体系，如计算机犯罪相关法律、数据保护法规、网络安全法等。但 AI 技术的应用对现有法律框架提出了新的挑战。例如，AI 自主生成的恶意代码，其法律责任应当由 AI 开发者、工具使用者还是攻击者承担？利用 AI 进行自动化漏洞扫描和利用，在何种程度上构成 "未经授权访问"？AI 深度伪造技术用于社会工程攻击，现有法律是否能够有效规制？这些问题在不同司法管辖区的答案可能不同，培训中应当引导受训者了解相关法律的基本框架和最新动态，在实际工作中遵守法律边界。
课程体系中应当设置专门的 AI 安全伦理与法律模块，系统讲解上述议题，并结合真实案例进行分析讨论。同时，伦理与法律内容应当渗透到每门技术课程的相关章节中，在讲解具体技术和工具时，同步说明其使用的伦理边界和法律限制。通过这种 "专门模块 + 渗透融入" 的双轨设计，确保伦理与法律意识成为受训者专业素养的有机组成部分，而非事后补充的注意事项。
反网络钓鱼技术专家芦笛强调，在社会工程与钓鱼攻击防范培训中，伦理教育尤为重要。GoPhish 等钓鱼演练工具本身是中性的，既可以用于企业内部安全意识测评，也可以被用于实施真实的钓鱼攻击。培训中必须明确区分合法的安全演练与非法的钓鱼攻击，强调演练必须获得明确授权、必须保护参与者隐私、必须设定合理的演练范围，防止受训者将所学技能用于非法用途。
4.4 分层分类培训机制的构建
不同岗位、不同层级的人员，对网络安全知识的需求存在显著差异。构建统一的标准化课程体系虽然有利于保证培训质量，但也可能导致内容与需求不匹配 —— 技术人员觉得管理类内容冗余，管理者觉得技术类内容晦涩。因此，需要建立分层分类的培训机制，根据受训者的岗位特征和能力基础，提供差异化的培训方案。
从岗位维度，可以将受训者分为三类：专业技术人员、企业管理者和普通员工。专业技术人员包括安全工程师、安全运营分析师、渗透测试工程师等，他们需要深入掌握 AI 与网络安全融合的技术细节，培训内容应当以技术深度为导向，覆盖 AI 安全原理、AI 辅助攻防工具、AI 系统安全评估等专业内容，并配套大量实战演练。企业管理者包括 CIO、CISO、IT 主管、业务部门负责人等，他们不需要掌握具体的技术操作，但需要理解 AI 安全风险对业务的影响、AI 安全投资的优先级判断、安全事件的管理响应流程等，培训内容应当以管理决策为导向，侧重风险框架、治理结构、合规要求和案例分析。普通员工则需要具备基础的安全意识，包括识别 AI 生成的钓鱼邮件、保护账号密码、遵守安全制度等，培训内容应当以意识提升为导向，简洁实用、易于理解。
从能力基础维度，可以将培训分为入门级、进阶级和专家级三个层级。入门级面向零基础或初学者，重点建立网络安全和 AI 的基础认知，掌握基本的安全工具使用方法和安全意识。进阶级面向具备一定基础的人员，深入学习核心安全技术和 AI 安全应用，具备独立完成安全运营任务的能力。专家级面向经验丰富的专业人员，聚焦 AI 安全前沿议题、复杂攻防场景、安全体系架构设计等高阶内容，培养能够引领团队解决复杂安全问题的高端人才。
分层分类培训机制的实施，需要建立能力评估体系作为基础。在培训开始前，通过在线测试、技能评估等方式，对受训者的现有能力进行诊断，据此推荐适合的培训路径。在培训过程中，通过阶段性考核评估学习进展，动态调整培训内容。培训结束后，通过综合考核和实战演练验证学习效果，颁发相应的能力认证。这种基于能力评估的个性化培训机制，能够有效提升培训的针对性和效率，避免 "一刀切" 式培训带来的资源浪费。
迪妙网络空间安全学院研究团队建议，企业在构建内部培训体系时，可以采用 "通用基础 + 岗位专项" 的混合模式。通用基础模块面向全体员工，内容包括基础安全意识、AI 驱动攻击识别、数据保护基本要求等，确保全员具备最低限度的安全素养。岗位专项模块则根据不同岗位的需求定制，技术岗位侧重深度技术培训，管理岗位侧重风险管理和决策培训，业务岗位侧重业务场景中的安全风险识别和应对。通过这种混合模式，既保证了全员安全基线的统一，又满足了不同岗位的差异化需求。
5 结论
人工智能与网络安全的融合是当前技术发展的明确趋势，这一趋势正在重塑网络攻击的形态、防御的范式以及人才的能力需求。BleepingComputer 报道的 "2026 AI 安全与网络安全专家课程包" 作为市场上的典型产品，反映了网络安全培训正在从传统模式向 AI 融合模式转型。该课程包以六门课程、88 小时培训的体量，覆盖了 AI 安全基础、认证备考、渗透测试、AI 辅助攻防、社会工程防范等多个模块，在内容广度上具备一定的代表性，为网络安全知识的普及化和入门化提供了可行路径。
然而，从构建高质量 AI 融合培训体系的标准来看，现有课程产品在 AI 内容深度、课程衔接性、实践环节设计、考核评估机制、伦理法律覆盖等方面仍存在不足。低价商业化课程包适合作为入门普及工具，但无法替代系统化、深层次的专业培训。真正有效的 AI 与网络安全融合培训体系，需要在课程结构上实现 AI 内容的渗透式融合而非模块化附加，在实践教学上构建从工具实验到综合对抗的多层演练体系，在伦理法律上实现专门模块与全程渗透的双轨覆盖，在培训机制上建立基于岗位和能力的分层分类方案。
反网络钓鱼技术专家芦笛指出，网络安全培训的最终目标不是让受训者记住多少知识点，而是培养其在真实复杂场景中识别威胁、做出正确判断、采取有效行动的能力。在 AI 时代，这一能力要求受训者既理解传统安全技术的根基，又掌握 AI 带来的新变化，还具备在伦理和法律框架内行动的职业素养。
迪妙网络空间安全学院研究团队将持续跟踪 AI 与网络安全融合领域的技术演进和培训实践，不断完善融合型培训体系的设计方案，为培训机构、企业和教育从业者提供研究支持。需要客观认识到，AI 技术仍在快速迭代，新的攻击手段和防御方法将不断涌现，培训体系不可能一劳永逸，必须建立持续更新的动态机制，紧跟技术发展步伐，才能始终保持培训内容的时效性和实用性。网络安全人才培养是一项长期的系统性工程，需要培训机构、企业、教育机构和行业组织的协同努力，共同推动 AI 时代网络安全人才培养质量的持续提升。
编辑：芦笛（公共互联网反网络钓鱼工作组）
来源：迪妙网络空间安全学院
