|
在运营技术（OT）环境中，自主决策行动在短期内不太可能获得绿灯批准。一旦发生网络安全事件，工厂车间的物理流程可能会遭受运营和安全方面的严重后果，因此工程师和资产操作员不大可能将这些流程的控制权从人类手中交出。
然而，AI 驱动的网络安全对于制造、能源与公用事业、水务与废水处理以及其他关键行业而言，具有立竿见影的巨大价值。AI 不应替代安全团队自行采取行动，而应被视为一种合作伙伴——一个能够从联网资产中以机器速度提供信息的智能分析师。
这些数据增强了可见性，并为分析师及其他安全与风险管理决策者带来了重要的上下文信息。诸如警报分类或 OT 安全事件关联等任务可以卸载给 AI 代理。凭借其速度和对环境中资产的上下文理解，AI 代理可以快速提供答案，使团队采取行动的速度远超手动分类。
这篇博客将从以下几个维度审视 AI 驱动的网络安全：
前沿 AI 模型在网络安全领域的崛起
理解前沿 AI 与大语言模型（LLM）
Anthropic 的 Claude Mythos 和 OpenAI GPT-6 Astra 等前沿 AI 模型的引入，给网络安全行业带来了空前的颠覆。这些模型以机器速度发现和利用漏洞的能力，使得传统的漏洞管理策略几乎过时。
自从 Mythos 及其同类产品问世以来，微软、思科（Cisco）等领先厂商发布的大量披露信息和更新迫使企业重新思考修复方案，以应对这场漏洞“洪水”。例如，安全和网络团队再也无法对补丁星期二（Patch Tuesday）更新进行回归测试，并部署曾经作为每月常态的 50 个更新。
每月涌入的数百甚至数千个更新要求实施一种修复程序：根据受影响资产的业务影响以及将资产脱机更新所带来的风险，对更新进行优先级排序。这需要一种超越单纯漏洞修补的暴露面管理方法来保护 OT 和其他网络物理系统（CPS）。作为合作伙伴，AI 可以收集、关联并提供与不安全资产配置、保护不严或未受监控的远程访问相关的可行建议，以及与仍然充斥在许多 OT 网络中的遗留通信协议相关的风险。
用 AI 彻底改变暴露面管理
暴露面管理始于对联网 OT 资产的可见性以及可验证资产清单的创建。在梳理被动和主动流量收集以识别收集数据、管理物理流程并保持工厂正常运转的资产方面，AI 是一个宝贵的合作伙伴。对流量的 AI 驱动分析可以理清 OT 网络上运行的无数协议，以及工业资产上运行的遗留软件和固件，其中许多资产在设计之初根本没有考虑连接性或安全性。
AI 可以分析资产清单、漏洞、配置、网络通信和威胁情报，以建立更有意义的暴露面图景。AI 不会将每个漏洞一视同仁，而是可以根据资产关键性、网络连接性、可利用性、补偿性控制以及对物理运营的潜在影响等因素，帮助确定哪些弱点真正重要。
这使得暴露面管理从一项“清点漏洞”的工作转变为一项“风险优先级排序”的工作。对于 CISO 而言，其目标不仅仅是减少漏洞数量，而是减少组织面临的最具破坏性的运营中断路径。
在 OT 和 ICS 中利用 AI 驱动的网络安全
警报疲劳并非 IT 独有。OT 也存在信息过载的问题，这拖慢了网络安全事件的修复和缓解速度。人类分析师花费大量时间不仅要关联资产数据和漏洞信息（某些咨询信息并不总是完整的），还要关联资产配置和外部威胁信息。
AI 为这个难题带来了上下文智能，不仅向分析师提供 CVE 编号或警报，还提供易受攻击资产在物理生产线上所扮演的角色、它如何与其他资产或工程工作站通信，以及它在发生破坏性或损害性事件时的整体业务影响。这种无价的上下文不仅缩短了修复时间，还为分析师提供了支持安全和风险决策的数据。
例如，针对连接互联网的工程工作站中漏洞的适当响应，可能与针对安全关键控制器中相同漏洞的响应截然不同。AI 还可以为资产、用户和通信建立行为基线，并持续评估对这些模式的偏离。这是持续威胁检测的标志；例如，在 OT 环境中，即使活动没有关联已知的恶意软件特征，控制器逻辑的意外更改或网络区域之间的异常通信也可能值得进行调查。
AI 可以帮助区分这些场景，并推荐适当的缓解策略，例如在操作上不安全而无法立即进行修补时采用网络隔离、访问限制、配置更改、监控或补偿性控制。其结果不仅是更快的修复，更是经过深思熟虑、信息更充分的修复。
用 Claroty Claire™ 将智能体安全付诸实践
提供 CPS 原生的 AI 可见性和上下文洞察
Claroty 正在构建 Claire——业界首个 CPS 原生的 AI 安全代理，也是实现安全运营和整体韧性所至关重要的“人在回路中（Humans-in-the-Loop）”的智能体合作伙伴。Claire 的构建旨在通过主动和被动查询来编排资产发现，为 OT 和 CPS 安全程序提供单一的可见性和运营真实来源。其能力为资产操作员可能用于优先修复关键资产的操作建议提供信息。Claire 是 OT 和 CPS 风险降低的支柱。
Claire 的基石是长达十年的行业知识、经验和深度数据，这在业界是无与伦比的。Claire 接受了来自 4000 多万个受保护资产、20000 个部署站点以及 6500 多个唯一 OEM 和 MDM 厂商的数据培训。Claire 背后拥有广泛的行业知识，包括 Claroty 支持的 50 多个行业的数据，以及 Team82 对 OT 和 CPS 暴露面与攻击的专门研究。通过将 AI 应用于这些数据，我们能够交付有意义的结果：降低风险、合规性以及运营韧性。
该基石的关键部分是 Claroty 的 CPS 库，这是业界首个由 AI 驱动的全球标准，用于正确识别传输不精确或冲突产品代码的资产，从而实现准确的资产清单和风险识别。
治理在 AI 驱动的 OT 安全中的角色
资产操作员不太可能将 OT 环境的控制权完全交予 AI 代理，但 AI 完全有空间作为合作伙伴，缩小可见性差距并提供富含上下文的洞察，从而提升暴露面管理和威胁检测能力。
致力于实现整体运营韧性的安全、风险和业务领导者深知 AI 是竞争的刚需。他们还必须了解必要的防护栏（Guardrails）——例如“人在回路中”——以便尽可能将安全和可用性掌握在人类手中。在 AI 表现出色的此类受限环境中，可以对低风险且可逆的任务授予自主权。
治理等同于一种信任：即 AI 仅在定义的边界内运行，而人类对可能对业务或公众产生重大影响的决策负责。防护栏必须是核心 AI 能力，而不是附加的、一次性的功能，尤其是在韧性、安全和合规性至关重要的环境中（如 OT）。
|
