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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。