股票代码：688225
打开微信“扫一扫”，开启安全数字世界之旅
截图或长按保存至相册，使用微信扫一扫
亚信以Agentic SecOps与AIDR驱动“AI赋能”与“AI安全”双轨智能变革
发布时间 ：2026年10月29日
类型 ：公司新闻
分享：
AI 正在成为企业安全的两重变量：它既是提升安全运营效率的生产力，也是需要纳入治理的新风险主体。
近期，云安全联盟（CSA）发布的一项研究简报引用了一项覆盖约 1690 万条企业 SOC 告警的分析：2026 年 2 月至 6 月，AI 相关告警增长 685%，其中 94.1% 来自员工正常使用 AI 工具产生的噪声，仅有 0.02% 对应已经确认的攻击。AI 已经成为安全运营无法回避的业务变量，但传统检测逻辑尚未建立区分 AI 正常活动与真实威胁的能力。
亚信 TrustOne 从两条路径推进：
1.以 Agentic SecOps 承担告警降噪、事件关联、智能研判与响应；
2.以 AIDR 补齐 AI Agent 在终端运行时的资产、身份、任务、行为和外连治理。
AI 既要成为安全团队的生产力，也必须成为可管理、可审计、可控制的安全对象。
在安全领域，海量告警过载早已成为制约SOC效率的最大瓶颈。市面上不少直接将原始告警投喂给大模型的Copilot方案，普遍面临算力成本高、误报率高、缺乏业务上下文等问题。亚信TrustOne在自身真实环境中重构安全生产模式，并由此沉淀出可产品化、可复制的Agentic SecOps与AIDR能力。
原则：安全运营的第一步，是把海量告警转化为可有效运营的安全事件。
TrustOne坚持分层智能架构设计，拒绝大模型“全量兜底”：
1.不把全部原始告警直接交由大模型处理，而是通过告警降噪、事件关联与风险优先级调度完成数据规模收敛，这步是不消耗token的，沉淀的是常态化运营的专家经验。
2.然后将昂贵的AI算力聚焦于高价值安全事件，兼顾研判效果与推理成本可控。
AI Agentic SecOps收敛海量告警
为避免大模型沦为昂贵的“全量兜底工具”，TrustOne搭建了四层分层智能架构，实现确定性工作交由传统算法、复杂认知工作交由AI智能体、边界决策留给安全人员：
1
告警降噪与事件关联层
依托确定性算法完成去重与攻击链聚合，实现第一轮数据规模的大幅压缩。
2
运营优先级调度层
基于风险评分模型实现算力的动态分配，优先调度大模型处理高风险事件。
3
安全研判智能体层
深度读取日志、攻击链与资产信息，给出具备业务上下文的精度分类结论。
4
人工复核与反馈闭环层
聚焦灰区与边界事件决策，并将人工结果反哺优化上游规则与提示工程。
实测量化显示，在十万级真实流量（101,415条单日原始告警）测试中，TrustOne成功将其收敛为 几十个可运营安全事件，告警规模收敛率达99.29%；AI综合研判准确率达到96.6%，误报识别准确率更是高达100%，帮助安全团队释放了79.5% 的重复性初级分析人力！
AI辅助研判WorkFlow
从可运营事件到处置闭环
完成事件收敛后，TrustOne进一步围绕AI告警解读、AI辅助研判与AI智能报告，将 AI能力融入事件调查和响应流程，帮助安全人员回答“发生了什么、为什么值得关注、影响了哪些终端、应该如何处置”。
1
AI告警解读
AI告警解读结合日志、攻击链和资产信息，提炼事件摘要、攻击阶段与关键线索，降低复杂安全事件的理解门槛；
2
AI辅助研判
AI辅助研判围绕关键证据开展分析与交叉验证，结合全网排查结果辅助判断感染范围和潜在扩散风险，形成研判结论与处置建议；
3
一键处置和全网免疫
在响应环节，TrustOne将研判结果与一次性响应处置、主动响应任务相衔接，支持安全人员在确认后开展一键处置，并将单点研判经验沉淀为面向全网的排查与防护策略，推动事件运营向闭环免疫延伸。
实测量化显示，记录的30个事件对照复核样本中，AI综合研判准确率达到96.6%；其中，AI标记为误报的14起事件均获得人工确认。在另一组132个深度研判样本中，AI识别出105起误报，占比79.5%，体现了减少重复性初级分析工作的潜力，让安全团队能够将更多精力投入真实攻击和需要业务上下文判断的复杂事件。
AI运营看板直接呈现
用户需要关注的风险与行动
在事件治理与AI辅助运营的基础上，TrustOne下一步将推进运营看板建设，将事件分析结果前置到客户的日常运营入口。
围绕客户需要重点关注的安全事件，运营看板计划直接呈现事件结论、关键线索、终端感染范围及待处置事项，并结合风险优先级组织展示。客户打开面板，即可了解当前最需要关注哪些事件、判断依据是什么、涉及哪些终端，以及建议采取哪些行动；对于需要进一步确认的问题，再下钻查看证据与调查过程。
这一演进将把事件收敛、AI研判和响应处置串联为更加直接的运营体验，让安全人员更快从风险发现走向判断与行动。
在通过AI重构传统安全运营的同时，亚信安全将安全视角前瞻性地延伸到了AI智能体自身的安全风险。这也是当前企业面临的全新治理盲区。
随着企业员工广泛使用AI Agent、AI编程助手、Skill以及MCP（Model Context Protocol）扩展组件，一系列新增的风险隐患开始暴露：
影影绰绰的“影子Agent”： 员工私自引入未受控的智能体与插件，企业缺乏资产与权限台账。
隐藏的凭据与代码窃取： 表面上生成摘要的辅助Skill，后台脚本暗中读取Git凭据或SSH Key并尝试异常外联。
Prompt注入攻击引发的越权： 恶意文档诱导办公助手偏离既定任务，跨界读取敏感业务资料或财务数据并对外传输。
上下文过度抓取： AI编程工具超范围调取整个代码仓库或生产配置，导致核心资产泄漏。
AIDR全链路控制能力
针对智能体带来的新增风险，TrustOne AIDR在现有终端检测与响应（EDR/XDR）底座上，补充了AI主体、任务意图与工具调用上下文，构建了面向AI运行时的全流程防护体系：
AI资产与组件盘点： 自动识别终端员工使用的Agent、大模型服务、 Skill及MCP组件，形成动态资产图谱。
任务与Runtime行为关联调查： 将Task（任务）、工具调用、进程与网络连接深度结合，精准区分“用户主动提交”、“Agent 正常读取”与“恶意注入诱发的违规操作”。
数据边界与动态阻断： 按业务任务限定文件、网络和行为权限，对敏感数据投喂、凭据盗取等行为实现实时观察、风险告警与按策略阻断。
透明化调查与审计留痕： 为分析人员提供清晰的智能体风险调查链路，实现“已发现、已告警、已阻断”的全程审计与归因。
从“内部自用”到“产品化复制”：
企业选型AI安全的落地指引
亚信安全坚持“自用验证—沉淀方法论—产品化输出—行业复制”的落地路径，持续将真实环境中验证的事件治理流程、AI辅助研判能力和人机协同机制沉淀至TrustOne，并分阶段推进AIDR运行时治理能力建设。面向金融、能源、运营商及大型政企，结合客户的资产、角色与业务授权上下文开展适配验证，逐步形成可复制的安全运营实践。
分享到微信
X