企业平均每天收到4330个安全警报,但仅能检测和调查其中37%的警报,这是Crogl公司委托波尼蒙研究所对北美649名IT和IT安全从业者进行的独立调查得出的结果。该调查旨在了解2026年安全运营的现状。
AI在企业安全工作流程中的应用正在增长,但报告发现,人们对该技术减少威胁能力的信心较低。虽然62%的组织已采用某种形式的AI,但只有44%的组织表示该技术在安全运营中心单独使用时是有效的。安全运营中心通常由IT安全专业团队组成,负责实时监控企业IT基础设施的安全事件。
"安全团队面临着无情的运营压力,"Crogl首席执行官Monzy Merza在新闻发布会上表示。"他们每天需要处理数千个警报,同时防御日益复杂的攻击。AI正在成为安全运营中心内的关键力量倍增器,但研究清楚表明,仅靠自动化是不够的。"
AI在安全运营中的潜力源于该技术的检测和自动化能力,但部署工作面临集成和监督挑战。
使用AI管理警报的组织将速度确定为该技术的最大优势,67%的调查受访者指出,它有助于更快地解决安全警报。报告发现,超过一半拥有专门安全运营中心的组织在安全运营中使用AI来自动化文档、简化案例并改善协作。
尽管如此,52%的受访者认为人类分析师仍然是AI支持的安全运营中心中最有效的最后防线,相比之下,44%的受访者认为AI本身同样有效。
智能体有望显著改变安全运营中心,特别是在自动化复杂任务方面,但据去年在Gartner安全与风险管理峰会上发言的专家称,智能体在复制人类知识方面能力有限。由于智能体行为需要监控,人类将继续发挥关键作用。
然而,在安全运营中心内部署AI还存在其他障碍。一半的调查受访者提到了将AI集成到现有工作流程中的挑战,另有49%的受访者表示数据过于分散且难以标准化。
监督标志着另一个挑战,只有36%的组织表示具有强大的能力来检测AI工具是否可能引入数据泄露,这是企业中日益严重的治理风险。
"将智能体速度与强有力的人工监督、规范化工作流程和明确的数据治理相结合的组织,将获得最大的影响,"Merza表示。
Q&A
Q1:企业每天会收到多少个安全警报?能处理多少?
A:根据调查结果,企业平均每天收到4330个安全警报,但仅能检测和调查其中37%的警报。这意味着大量的安全警报无法得到及时处理,给企业安全运营带来巨大压力。
Q2:AI在安全运营中心的应用效果如何?
A:虽然62%的组织已采用某种形式的AI,但只有44%的组织认为AI技术在安全运营中心单独使用时是有效的。67%的受访者认为AI的最大优势是帮助更快地解决安全警报,但52%的受访者仍认为人类分析师是最有效的最后防线。
Q3:在安全运营中心部署AI面临哪些主要挑战?
A:主要挑战包括:50%的受访者提到将AI集成到现有工作流程中存在困难,49%的受访者表示数据过于分散且难以标准化,只有36%的组织具备强大能力检测AI工具是否可能引入数据泄露等治理风险。
好文章,需要你的鼓励
今天讲的出海案例是开创电气,一家金华手持式电动工具制造商,在越南基地完成首款产品验收并形成80万台年产能力。
JETSPEC是由UC San Diego等机构联合提出的推测解码框架,通过树形因果掩码让草稿头在一次前向传播中生成分支一致的候选树,在MATH-500上实现最高9.64倍端到端加速。
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
本文介绍了中国科学院自动化所的研究,揭示了大型语言模型在多轮工具调用强化学习中崩溃的根本原因,并系统评估了五种监督信号对训练稳定性和泛化能力的影响。