商業(yè)與技術洞察公司Gartner最新發(fā)布的2025中國網絡安全技術成熟度曲線顯示，網絡安全的重點正逐步轉向保障人工智能的安全，實現(xiàn)業(yè)務轉型并加強企業(yè)機構的韌性。
Gartner高級研究總監(jiān)陳延全表示：“到2027年，60%的中國大型企業(yè)機構將在安全運營中心（SOC）采用暴露面管理技術，以提高事件響應效率并減少漏洞；到2028年，60%部署AI技術的中國企業(yè)機構將采用協(xié)作式AI防御策略，整合跨職能團隊來應對AI的網絡安全風險，而目前這一比例僅為5%。”
在今年的技術成熟度曲線（參見圖1）上，發(fā)展最快的技術是網絡安全AI助手和軟件成分分析 （SCA）。網絡安全AI助手因其在知識摘要、腳本生成和工具自動化方面的能力而受到青睞，在當前中國生成式AI試點快速擴展的背景下尤其具有吸引力。同時，隨著開源模型和第三方組件在AI和數(shù)字系統(tǒng)中的快速增長，SCA也在不斷發(fā)展。SCA能夠在早期識別安全和許可問題，從而減少開發(fā)延遲并增強信任。
圖1：2025年中國網絡安全技術成熟度曲線
數(shù)據(jù)安全態(tài)勢管理
數(shù)據(jù)安全態(tài)勢管理（DSPM）旨在從各個本地數(shù)據(jù)中心和云服務提供商（CSP）處識別未曾發(fā)現(xiàn)的數(shù)據(jù)，有助于對先前未知和未發(fā)現(xiàn)的非結構和結構化數(shù)據(jù)進行描述和分類。隨著數(shù)據(jù)量的激增，DSPM會對數(shù)據(jù)訪問者進行評估，確定數(shù)據(jù)的安全態(tài)勢以及隱私、安全和 AI使用相關的數(shù)據(jù)風險暴露情況。
Gartner高級研究總監(jiān)陳延全表示: “隨著AI在中國的深入應用，企業(yè)面臨在確保數(shù)據(jù)安全的同時實現(xiàn)數(shù)據(jù)價值的雙重壓力。 DSPM可為企業(yè)提供實時洞察，了解敏感數(shù)據(jù)的存儲位置、訪問權限及使用方式。這有助于企業(yè)通過與AI信任、風險和安全管理(AI TRiSM)技術集成，識別哪些敏感數(shù)據(jù)可安全用于AI模型訓練、分析或外部共享，從而發(fā)揮數(shù)據(jù)資產潛力。DSPM支持大規(guī)模的安全創(chuàng)新，可降低“影子數(shù)據(jù)”的使用和未經授權的數(shù)據(jù)暴露風險。”
中國的AI網關
人工智能（AI）網關用于管理和保護與AI服務提供商之間的連接。一些AI網關基于已有的API網關產品構建，另一些則是專為AI場景定制開發(fā)的。AI網關可為企業(yè)對AI的使用實施安全措施，例如數(shù)據(jù)泄露防護（DLP）、多個大型語言模型（LLM）路由、成本可視化、內容安全以及數(shù)據(jù)隱私掃描。在中國，AI網關作為AI合規(guī)監(jiān)管工具，具有重要意義。
Gartner高級研究總監(jiān)陳延全表示：“隨著生成式AI及其他類型AI項目的規(guī)模和數(shù)量不斷增長，企業(yè)對AI供應商的使用也需要更好的控制措施。AI網關提供運行時流量管理功能，例如在企業(yè)內部或企業(yè)與AI服務商之間設置訪問速率限制，還可用于實施和管理基于提示的策略控制、跟蹤AI服務的使用情況和成本、在多個LLM之間進行路由，以及管理對AI訂閱服務的訪問，包括保護由AI服務商提供的API密鑰。”
對抗性暴露面驗證
對抗性暴露面驗證（AEV）提供一致、持續(xù)和自動化的攻擊可行性證據(jù)。這類技術旨在確認潛在攻擊技術如何成功利用企業(yè)機構內部的漏洞，并繞過現(xiàn)有的防御與檢測機制。對抗性暴露面驗證通過執(zhí)行攻擊場景，對結果進行建模或衡量，從而驗證暴露面的存在和可利用性。對抗性暴露面驗證提供可擴展的部署選項。
Gartner高級研究總監(jiān)趙宇表示：“對抗性暴露面驗證通過如下措施評估安全控制的有效性：采用攻擊者視角；確認潛在的風險暴露面；揭示針對關鍵資產的可能攻擊路徑。該技術有助于安全團隊確定修復/緩解措施的優(yōu)先級，并評估已投資安全技術的價值。該技術對暴露面評估進行了補充，同時提供了一種持續(xù)執(zhí)行攻擊場景的方法。”
AI信任、風險和安全管理
AI信任、風險和安全管理（AI TRiSM）由四個技術能力層構成，這些技術層支持所有人工智能（AI）用例的企業(yè)策略，確保人工智能得到妥善治理，并且值得信賴、公平、可靠、安全，能夠保護隱私和數(shù)據(jù)。其中，上兩層（人工智能治理、人工智能運行時檢測及執(zhí)行） 涵蓋人工智能領域的新興能力，正逐步整合并形成一個獨立的市場細分領域。下兩層（人工智能信息治理、 人工智能基礎設施與技術堆棧）則代表經調整適用于人工智能系統(tǒng)的傳統(tǒng)技術。
Gartner高級研究總監(jiān)高峰表示：“企業(yè)機構如不能持續(xù)管理人工智能的風險，就會大大增加產生不利結果的可能性，例如項目失敗、人工智能行為不當和數(shù)據(jù)私密性受損。不準確、不符合道德或預期的人工智能輸出成果，流程錯誤，不受控制的偏見，惡意行為者干擾，都可能導致安全故障、財務和聲譽方面的損失、法律責任或社會危害。人工智能行為不當還可能導致企業(yè)機構做出不理想或不正確的業(yè)務決策。”
網絡安全AI助手
網絡安全人工智能（AI）助手利用生成式AI技術發(fā)現(xiàn)網絡安全工具中的現(xiàn)有可用知識，生成內容或代碼，并協(xié)助安全團隊完成日常任務。網絡安全AI助手多以現(xiàn)有產品的輔助功能出現(xiàn)，也可作為獨立的前端應用，此外還能集成軟件智能體，實現(xiàn)自主操作。
Gartner高級研究總監(jiān)高峰表示：“中國的企業(yè)機構將網絡安全AI助手作為現(xiàn)有工具的一部分進行使用，并試點功能更全、可以單獨運行的AI助手。網絡安全AI助手可以提高相關人員的操作準確性，減少因安全事件而導致的業(yè)務中斷和數(shù)據(jù)丟失。此外，還可填補知識缺口，縮短新入職安全管理員的培訓周期。網絡安全AI助手適用多種用例，但不同場景中的采用速度并不相同。”
