安全攻防智能體（Agent）架構(gòu)設(shè)計與實踐

案例背景:
網(wǎng)絡(luò)安全攻防過程涉及大量的博弈階段，對應(yīng)于大模型問答過程，非常適合大模型對應(yīng)安全攻防進行行為擬合和進行攻防邏輯設(shè)計，安全智能技術(shù)核心攻關(guān)目標(biāo)是通過設(shè)計合理的自適應(yīng)防御目標(biāo)達到對攻擊者的欺騙和防御。如何選擇攻防博弈的接口和Agent自身業(yè)務(wù)邏輯是關(guān)鍵。

解決思路:
通過學(xué)習(xí)海量網(wǎng)絡(luò)安全知識和最佳實踐流程，安全攻防智能體（Agent）實現(xiàn)網(wǎng)絡(luò)安全的智能研判和調(diào)度中樞，基于外部API和知識庫存儲賦予大模型安全感知、存儲、規(guī)劃、行動能力，廣泛接入當(dāng)前領(lǐng)先的安全系統(tǒng)（如XDR、NDR、SIP、AES等）。通過大模型微調(diào)和提示詞優(yōu)化，增強大模型對API和安全場景業(yè)務(wù)的理解。通過安全專家的分析處置最佳實踐，為Agent提供大量專業(yè)化思維鏈樣本，提升安全細分場景處置的深度。用戶利用自然語言與安全攻防智能體（Agent）進行交互，可快速進行安全態(tài)勢研判、攻擊分析溯源、影響面調(diào)查、漏洞分析管理等安全運營操作，并顯著提升高混淆攻擊的識別研判能力。同時，行業(yè)實踐中建立起了智能體架構(gòu)自身安全風(fēng)險框架，通過“保用、防崩、治人、審入”等維度，提供大模型智能體（Agent）安全研發(fā)和應(yīng)用最佳實踐分享。

成果：
基于安全攻防智能體（Agent）架構(gòu)落地的產(chǎn)品——深信服安全GPT（Security GPT），是網(wǎng)絡(luò)安全行業(yè)內(nèi)實現(xiàn)首個“智能體（Agent）”級別網(wǎng)絡(luò)安全應(yīng)用，可實現(xiàn)7X24網(wǎng)絡(luò)環(huán)境自主值守、秒級自動處置閉環(huán)。同時，安全GPT已累計在130多企業(yè)真實環(huán)境測試和應(yīng)用，幫助金融、能源、政府機關(guān)等行業(yè)用戶提升安全人員分析水平和處置效率。一方面，深信服安全GPT作為數(shù)字化的思維載體，“虛擬人力”可無限復(fù)制迭代，高效擴展人員的安全值守時間、實現(xiàn)安全人員個人人效的階躍提升，減少92%需要多次手動的運營工作、MTTD/MTTR減少85%；另一方面，基于自然語言分析和知識推理的檢測引擎，能夠?qū)鹘y(tǒng)規(guī)則和模式匹配難以發(fā)現(xiàn)的攻擊載荷進行還原、解讀、研判、定性，實現(xiàn)混淆類未知威脅檢出率大幅提升，完成檢測能力質(zhì)的突破，高級混淆威脅檢出率達到95.7%，誤報率僅4.3%，遠超行業(yè)最佳的傳統(tǒng)品類產(chǎn)品。