SentinelOne人工智能转折点 | 智能体与生成式人工智能如何重塑安全运营

本文涉及的产品
Serverless 应用引擎免费试用套餐包,4320000 CU,有效期3个月
可观测可视化 Grafana 版,10个用户账号 1个月
容器镜像服务 ACR,镜像仓库100个 不限时长
简介: 生成式人工智能(GenAI)与智能体人工智能(Agentic AI)正加速赋能安全运营,助力企业提升威胁检测与响应能力。最新研究显示,96% 的 SOC 团队认为 AI 显著提升效率,近 70% 组织计划加大投入。AI 被广泛应用于威胁情报分析、工作流自动化与威胁狩猎等领域,推动安全运营从被动防御向主动管理转变。企业更关注 AI 解决方案的性能、上下文感知能力与数据隐私保障。未来,AI 将作为基石,助力构建更自主、高效、以人为本的安全运营中心(SOC)。

生成式人工智能(GenAI)的快速应用与智能体人工智能(Agentic AI)的兴起,为安全团队提供了新机遇,使其能更好地领先于攻击。在全球的安全运营中心,各组织正迅速采用人工智能工具来辅助人类分析师、提升效率,并为更自主的安全运营中心(SOC)奠定基础。整个行业的关注点已从 “是否采用人工智能”(从行为人工智能、机器学习到生成式人工智能,再到如今的智能体人工智能)转向 “如何以最佳方式实施人工智能,实现最大影响”。

由 SentinelOne 委托、Informa TechTarget 旗下企业战略集团(Enterprise Strategy Group)开展的一项最新研究,揭示了各组织如何拥抱人工智能、对人工智能驱动的安全工具抱有哪些期望,以及为何人工智能被视为实现更自动化、更具弹性安全态势的关键。下面我们深入了解一下关键研究发现。
image.png
实际影响 | 人工智能正在发挥作用的领域
在安全运营中,仅生成式人工智能(GenAI)的应用就正以惊人的速度加速推进。该研究显示,96% 的安全运营中心(SOC)团队认为人工智能能够提升工作效率,近 70% 的组织计划增加对具备人工智能功能的安全工具的投入。

各组织已在多个安全应用场景中部署人工智能。早期采用者反馈称,他们将生成式人工智能驱动的解决方案用于威胁情报分析(50%)、工作流自动化(43%)、威胁狩猎与查询编写(35%)等任务。因此,安全运营中心团队不仅效率显著提升,其实时检测、调查和响应威胁的能力也在不断增强。
image.png
生成式人工智能(GenAI)的出现对安全团队意味着什么?人工智能并非要取代人类分析师,而是在帮助缓解工作负荷压力,使团队能够将重心从手动、重复性任务转向更高层次的战略工作。92% 的受访者认为人工智能改善了其整体安全态势,这凸显了人工智能在变革安全运营中心(SOC)团队运作方式上的潜力。

性能胜于承诺 | 为何人工智能的应用需要的不止是炒作
尽管人工智能备受追捧,但安全领域的领导者并未盲目跟风。研究发现,88% 的受访者表示,在考虑采用人工智能解决方案之前,要求其能无缝融入现有工作流程。

企业在评估人工智能驱动的工具时,还强调性能、可用性和隐私性。整个行业的企业都希望人工智能不仅能增强安全性,还能以符合风险管理最佳实践的方式实现这一目标。主要要求包括:
- 速度与响应能力
:分析师需要无延迟的实时协助。
-上下文感知推荐
:人工智能应基于威胁情报生成智能的、可操作的见解。
- 人工介入监督
:尽管人工智能可以加快决策速度,但安全领导者希望解决方案能让人类分析师保持控制权。
- 数据隐私保障
:企业要求人工智能系统不使用其敏感的安全数据进行训练。

数据还显示,“AI 洗白”(即供应商将解决方案定位为由 AI 驱动,过度承诺 AI 能力)仍是一大挑战。超过半数(55%)的安全专业人士表示,AI 洗白让他们更难做出明智决策,这凸显了市场对透明、可靠且能带来真正价值的 AI 解决方案的需求。
image.png

通往自主化安全运营中心(SOC)之路 | 人工智能是基石
该研究的一个重要结论是,各组织将人工智能视为通往更自主化安全运营中心(SOC)的桥梁 —— 在这一过程中,人工智能驱动的自动化技术旨在增强而非取代人类专业知识。尽管 90% 的受访者认同人工智能对实现更自主化的安全运营中心至关重要,但完全自主化仍需数年时间。在短期内,安全领域领导者认为,人工智能将自主承担更多操作性、劳动密集型的职责,而分析师则专注于战略规划、创造性问题解决和更深入的调查工作。最有效的人工智能解决方案通过提供可操作的情报、减轻警报疲劳并优化决策流程,为分析师赋能。
image.png
这一变革的核心在于从被动安全向主动威胁管理的转变。通过实现检测、调查和响应流程的自动化,人工智能使安全运营中心(SOC)团队能够在网络风险升级前预判并缓解风险。从生成复杂查询到加速威胁调查,人工智能驱动的自动化已在重塑安全运营。不过,安全领域领导者提醒,实现自主化安全运营中心是一个持续多年的过程,大多数组织仍处于这一转型的早期或中期阶段。

SentinelOne 的观点 | 塑造人工智能驱动安全的未来
在 SentinelOne,我们正基于生成式人工智能(GenAI)构建专为安全工作设计的智能体系统。借助 Purple AI,安全运营中心(SOC)团队不仅能进行指令输入,还能与一个受良好治理的安全人工智能合作 —— 它可代表团队进行推理、决策和行动。

Purple AI 之所以能实现这一点,源于其独特的训练方式:它以真实安全场景为基础,并融入了我们行业领先的托管检测与响应(MDR)团队的专业知识。我们的人工智能模仿分析师的思考、分类和响应逻辑,因此能提供具备上下文感知能力的高保真洞察,让分析师可信赖并快速采取行动。

与传统生成式人工智能工具不同,Purple AI 可在整个检测与响应周期中完成警报总结、呈现相关威胁情报、自动化执行常规任务等工作,在保留人工监督的同时,减少手动工作量和分析师疲劳感。

我们的人工智能旨在增强人类能力而非取代人类,通过智能自动化放大分析师的决策能力,为战略工作释放时间。这是实现自主化安全运营中心(SOC)愿景的基础性一步,其核心在于人类专业知识与可操作人工智能的协同增效。

展望未来 | 人工智能驱动的安全运营中心(SOC)正在成型
报告明确指出:人工智能在安全领域已不再是一个新兴概念,它正在重塑安全运营中心(SOC)团队的工作方式。各组织正迅速采用人工智能来提高效率、简化调查并强化安全态势。然而,他们也要求人工智能解决方案满足可用性和可靠性的高标准。

随着行业向更自主的安全运营中心迈进,生成式人工智能(GenAI)和智能体人工智能(Agentic AI)尤其将在增强人类专业知识、自动化常规任务和提升网络安全弹性方面发挥重要作用。未来不是要取代分析师,而是用人工智能赋能他们,让他们比以往任何时候都能更好地工作。

目录
相关文章
|
1月前
|
弹性计算 运维 监控
资源利用率提升50%:Serverless 驱动国诚投顾打造智能投顾新范式
通过与阿里云深度合作,国诚投顾完成了从传统 ECS 架构向云原生 Serverless 架构的全面转型。新的技术架构不仅解决了原有系统在稳定性、弹性、运维效率等方面的痛点,还在成本控制、API 治理、可观测性、DevOps 自动化等方面实现了全方位升级。
260 19
|
存储 运维 开发工具
警惕日志采集失败的 6 大经典雷区:从本地管理反模式到 LoongCollector 标准实践
本文探讨了日志管理中的常见反模式及其潜在问题,强调科学的日志管理策略对系统可观测性的重要性。文中分析了6种反模式:copy truncate轮转导致的日志丢失或重复、NAS/OSS存储引发的采集不一致、多进程写入造成的日志混乱、创建文件空洞释放空间的风险、频繁覆盖写带来的数据完整性问题,以及使用vim编辑日志文件导致的重复采集。针对这些问题,文章提供了最佳实践建议,如使用create模式轮转日志、本地磁盘存储、单线程追加写入等方法,以降低日志采集风险,提升系统可靠性。最后总结指出,遵循这些实践可显著提高故障排查效率和系统性能。
246 20
|
14天前
|
人工智能 Kubernetes 调度
基于 AI 网关和 llmaz,提升 vLLM 推理服务可用性和部署易用性的实践
本文介绍了如何使用 llmaz 快速部署基于 vLLM 的大语言模型推理服务,并结合 Higress AI 网关实现流量控制、可观测性、故障转移等能力,构建稳定、高可用的大模型服务平台。
180 16
|
1月前
|
人工智能 安全 API
Agent 工程师绕不开的必修课:API 网关 vs API 管理
本文探讨了“API管理”与“API网关”的起源、发展及差异,二者分别服务于API生命周期的不同阶段。API网关从流量网关演进至AI网关,承担运行时请求控制;API管理则从接口文档化发展到商业化平台,关注全生命周期治理。两者在实际应用中协同工作,通过分层架构和策略联动实现高效运营。未来,随着大模型应用的兴起,AI网关和MCP Server管理将成为新趋势,推动API技术迈入智能化和服务化的新阶段。
Agent 工程师绕不开的必修课:API 网关 vs API 管理
|
1月前
|
自然语言处理 API 开发工具
端午出游高定:通义灵码+高德 MCP 10 分钟定制出游攻略
本文介绍了如何使用通义灵码编程智能体与高德 MCP 2.0 制作北京端午3天旅行攻略页面。首先需下载通义灵码 AI IDE 并获取高德申请的 key,接着通过添加 MCP 服务生成 travel_tips.html 文件,最终在手机端查看已发布上线的攻略。此外还详细说明了利用通义灵码打造专属 MCP 服务的过程,包括开发计划、代码编写、部署及连接服务等步骤,并提供了自由探索的方向及相关资料链接。
481 98
|
25天前
|
人工智能 安全 Java
AI Agent 的工程化被低估了
本文探讨了AI应用工程化的关键作用与实现路径,将其分为产品工程和技术工程两大部分。产品工程关注用户体验与交互设计,包括需求建模、UI/UX设计、系统提示词优化及反馈闭环构建,确保AI“能用、好用”。技术工程则聚焦系统稳定性与扩展性,涵盖架构模块化、工具调用机制、流量控制、数据管理及可观测性建设,保障AI应用“快、稳、强”。两者协同决定了AI Agent的实用性与规模化潜力,为行业提供了落地参考。
388 30
AI Agent 的工程化被低估了
|
12天前
|
人工智能 定位技术 API
Dify MCP 保姆级教程来了!
大语言模型,例如 DeepSeek,如果不能联网、不能操作外部工具,只能是聊天机器人。除了聊天没什么可做的。
1404 19
|
1月前
|
存储 Ubuntu Docker
Ubuntu 安装 docker
本文介绍了在 Ubuntu 系统上安装 Docker 的详细步骤,包括卸载旧版本、设置 Docker 官方存储库、安装 Docker 包以及配置镜像源加速。首先通过移除旧版组件如 `docker.io` 和 `docker-compose` 等进行清理,然后添加官方 GPG 密钥并配置 APT 源,接着安装最新 Docker 组件。此外,还提供了阿里云和 1Panel 的镜像源配置方法以提升下载速度,并通过运行 `hello-world` 镜像测试安装是否成功。
818 3
Ubuntu 安装 docker