重新思考AI时代的安全

导语：Microsoft宣布推出面向AI时代的智能体安全系统Project Perception，将于8月3日进入公开预览。该系统通过持续感知、推理与行动应对机器速度攻击，并整合红队、蓝队和绿队智能体形成闭环防御。

网络安全的底层逻辑正在发生改变。自主系统如今能够推理、适应并持续运行。与此同时，攻击的成本正在下降，而需要保护的对象在数量、速度和复杂性上持续增长。攻击者可以更快地生成漏洞利用程序、更大规模地扩展攻击活动，并以前所未有的效率运作。那些为人类行为者构建的方法已经无法跟上由AI、智能体和机器速度攻击主导的世界。

安全需要一个新的网络堆栈。这个新的网络堆栈必须能够持续感知整个数字资产的风险，在海量上下文信息中进行推理，并以机器速度采取行动。它必须随着环境的演变而不断学习和适应，帮助组织在威胁面前保持领先。因为安全最终是一项人类使命，它必须通过更好的洞察和更强大的行动方式来放大防御者的能力。下一代安全系统的决定性特征不在于能否生成更多的告警，而在于能否持续地感知、推理和行动。

这一愿景促使我们构建了Project Perception。这是一个专为AI时代现实需求而设计的全新智能体安全系统。它利用AI将信号转化为实时防护，以AI防御AI。

Project Perception将信号、上下文、模型和专业智能体整合为一个持续学习的防御体系。它能够以机器速度进行推理、确定优先级并采取行动，同时让人类牢牢掌握控制权，并通过强大的新工作流赋能于他们。

Project Perception基于一个简单的理念：有效的防御需要持续理解攻击者如何看待世界、防御者如何评估风险，以及防护措施如何随时间改进。为此，Perception协调三类专业智能体。红队智能体在攻击者利用之前识别潜在的入侵路径；蓝队智能体调查、对上下文进行推理，并确定哪些才是有意义的风险；绿队智能体采取纠正行动并加强整个环境的防御。这些智能体协同工作，形成一个闭环系统，持续发现、评估和改善组织的安全态势。

像Project Perception这样的系统，其有效性取决于它的可见性、可采取的行动、构建团队的丰富经验以及它所能使用的模型。Microsoft在这四个方面都具备深厚能力。我们横跨身份、终端、应用、数据、云和AI系统进行观察，在整个数字资产范围内提供广泛的可见性。同样重要的是，我们能够帮助客户在这些环境中采取行动。凭借数十年的安全研究、威胁情报和真实世界中保护组织的运营经验，这些能力塑造了Project Perception如何推理、确定优先级并做出响应。

安全是一项全天候的任务。组织需要高效、持续可用且经济实惠的保护。这不仅需要能够使用最强大的模型，更需要将合适的模型应用于合适的任务。Project Perception采用多模型架构，结合前沿模型和专业的网络安全模型，在质量和成本之间实现优化。

作为多模型战略的一部分，我们致力于为客户带来最适合每项安全任务的模型，包括通过我们自己的专业模型进行创新。首个场景是软件漏洞管理，将MAI-Cyber-1-Flash引入MDASH——我们面向软件漏洞的多模型智能体团队。搭载MAI-Cyber-1-Flash的MDASH在CyberGym这一行业领先基准测试上取得了96%的成绩，比Mythos高出12分。并且，与当前市场上MDASH的配置相比，该配置可节省近50%的成本。这就是经过精心调优、拥有独特丰富历史训练数据的多模型系统的力量。接下来，Project Perception将在更多安全工作流中使用MAI-Cyber-1-Flash，超出软件漏洞管理的范围。

我们正在通过Project Perception将这一愿景带给全球客户，该项目将于8月3日进入公开预览阶段。

构建智能体安全的网络堆栈需要从底层全新设计，而不仅仅是在现有工作流中添加智能体。堆栈从跨数字资产提供感知能力的信号和传感器开始。安全上下文将这些信号转化为智能体可以使用的、token高效的模型。模型提供智能和推理能力。Harness在安全工作流中协调模型和智能体。智能体将这种智能应用到安全工作流中，执行器则将决策转化为防护措施。这些层级共同构成了一个持续学习的系统，能够理解风险、适应变化的条件并随时间改善安全效果。虽然每个层级都提供了重要能力，但Project Perception的力量来自它们协同工作的方式。

有效的推理不仅需要原始信号。智能体需要上下文。Microsoft将其广泛的可见性、威胁情报和安全专业知识转化为安全上下文，将整个数字资产中的安全数据、知识和语义连接起来。其结果是组织资产、身份、关系、风险和活动的持续更新的表示，使智能体对其所帮助防御的环境拥有共享的、近乎实时的理解。这种共享理解是Project Perception运作的基础。它为智能体提供了对推理风险、确定行动优先级和做出决策所需信息的即时、token高效的访问，无需强制智能体不断从原始信号中收集、关联和重建上下文。通过将每次交互都建立在这种丰富的安全上下文之上，Project Perception提高了推理的准确性和一致性，同时降低了大规模运营所需的时间、算力和成本。没有单一模型能够胜任每一项安全任务。有效的网络防御需要在对的时间将对的模型应用于对的问题。