阿里云在 AI 基础设施建设中，采用“内部红蓝对抗 + 外部多方校验”的双重机制， 确保安全能力在实战中持续有效。 ● 内部红蓝对抗。阿里云建立了常态化的红蓝对抗机制，其中蓝军团队持续研究前 沿攻防技术，以接近真实 APT 组织的攻击强度，对包括模型训练推理平台、GPU 容 器等在内的各类 AI 基础设施产品发起模拟渗透测试。通过高强度、高频次的实战演练， 发现潜在漏洞并推动快速修复，不断提升系统的抗攻击能力。 3.1 输入与输出内容安全 AI 安全护栏的核心职责是保障模型交互内容的安全性与合规性，通过一套分层且可定 制的策略，有效应对提示词注入和多模态内容风险。 ● 提示词注入攻击防御：内置了经过大量攻防样本训练的检测模型，能够精准识别 和拦截“越狱”、“角色扮演”等直接注入攻击。同时，能对输入数据源进行扫描， 剥离和清洗其中潜藏的、针对模型的间接注入指令。避免大模型在重要领域被误导， 产生决策失误。 其所依赖的阿里云基础设施，久经世界级的实战攻防考验，其安全水位与攻防技术水 位已在全球范围内得到了验证与认可。阿里云百炼的安全能力建立在这一坚实基础之 上，除了延续过往的安全高要求之外，还基于服务千行百业的 MaaS 客户实践，针对 4 构建可验证的信任：阿里云百炼的安全承 诺与未来愿景 MaaS 场景特定的安全风险，扩展实施了一系列安全加固，并持续性地接受实战级的 攻防检验； ● 权威的第三方

自动化威胁情报反馈，识别入侵指标，发现隐蔽攻击模式，并将威胁溯 源至具体的攻击者。他们与安全运营中心（SOC）团队、应急响应人员 及安全架构师紧密协作，持续提升威胁检测能力、缩短攻击驻留时间， 并缩小安全差距。在AI赋能的网络攻防时代，这类专业人员对于组织抵 御高级持续性威胁至关重要。 AI 影响程度 转型潜力 安全威胁漏洞分析师岗位正经历快速变革，AI驱动的检测、行为分析及自动化威胁情报已成 为现代网络防御的核心 设计和执行AI驱动的红队模拟 演练与攻击者行为模拟训练。 运用生成式AI与脚本编程，开发 并自动化构建攻击场景。 部 署 A I 赋 能 的 检 测 与 响 应 工 具，强化蓝队防御体系。 组织紫队演练，推动经验共享 与攻防能力协同提升。 分析攻击路径、检测盲点及控 制措施有效性，形成报告。 基于演练结果优化AI模型与检 测规则。 记录实战经验教训并开发用于 持续改进的培训课程。 与安全运营中心（SOC）、应 急响应（IR）及工程团队协 动的分析与防御工具。紫队成员则整合双方视角以推动持续改进。此类 专业人员对识别安全漏洞、验证控制措施有效性，以及确保组织能够抵 御最新AI驱动型威胁至关重要。 AI 影响程度 转型潜力 随着AI成为攻防两端网络作战的核心驱动力，红/蓝/紫队员岗位正加速演变。AI被用于自动 化攻击模拟、生成逼真的攻击者行为，并强化检测与响应能力。调查显示，74%的红队成 员利用AI模拟高级攻击，62%的蓝队成员

，并支持本地调测， 实现从开发到验证的高效闭环。 3.4 智能体安全可信 随着智能体技术的快速发展，与现实世界存在诸多恶意诈骗、恶意诱导类似，智能体的功 能越强大，它潜在的风险也越大，攻防技术需要不断进化与演进。基于可信基础设施的硬件可 信根，华为鸿蒙智能体通过数据安全、模型安全、部署安全、应用安全、运营安全等防线，构 建鸿蒙智能体全链路安全体系。 - 29 - Agent 时代

网络安全产品和服务，形成整体的安全防护能力。 思科基于网络攻击的发展阶段，从初始、横跳、破坏三个阶段提供立体防护能力，结合安全综合运营平台，帮助企业形 成完善安全威胁防御体系。 l 初始阶段：漏洞扫描、攻防演练、设备安全评估 l 横跳阶段：网络异常流量分析、零信任安全设计与部署 l 破坏阶段：安全事件响应 l 安全综合运营：SOC 评估、规划、设计、实施，XDR 安全流程咨询 思 Secure Workload Secure Network Analytics Secure Endpoint Identity Services Engine SOC / XDR ü 攻防演练 • 帮助客户优化 SNA/ SCA 的网络流量 分析模型及参数，提高流量识别的准 确度，降低无效告警的干扰。 ü 漏洞扫描 ü 安全事件 响应 ü 设备安全 评估 • 围绕思科零信任框架，设计与部署相关

通信和媒体 零售 基础设施和运输服务 软件和平台 高科技 ● 保险业 汽车 银行业 2018 年加权平均数 0.51 健康 ● 化工 工业设备和机械 资本市场 公用事业 攻防战 （ 38% 的企业） 持久战 （ 11% 的企业） 随着数字化对行业渗透的深入，它对企业竞争力的影响也会变弱。刚开始引进数字技术的企业会拥有一定的差异化优势，但随着数