当AI大模型可以自主完成极为复杂的攻击过程，网络防御还能单纯依靠堆大模型参数来守住防线吗？近日，一场以“从网安超级模型到网安超级智能”为主题的技术报告会在哈尔滨工业大学先进技术研究院举行。

“新技术正在整体改写网络空间对抗范式。”安天科技集团董事长、首席技术架构师肖新光认为，“网安超级智能并非单一超大模型。”

技术实践揭示AI自主攻击能力已成为现实。AI赋能的攻击不只是批量化的漏洞挖掘，而是可完全自主完成目标选择、攻击代码编写、初始侦察、投放利用、持续控制、横向移动等完整攻击杀伤链，攻击自动化程度大幅提升，留给防御端的响应窗口被持续压缩。

“由于智能体具有真实环境权限、能够调用工具、访问真实业务，仅依靠提示词这类软约束，无法杜绝越狱行为。”安天科技集团高级副总裁、首席技术官关墨辰认为，必须配套工程层面的硬性管控手段，来强化“模型+智能体”在严格受控下完成任务的能力。

“网安智能能力可以看作一套相乘关系的综合体系，最终能力水平由模型、智能体挽具、上下文工程、工具集、目标场景资源和治理工作流共同决定。”肖新光提出，要想实现真正的网安超级智能，还需要完善观测接入、状态建模、策略求解、处置执行、效果验证和安全控制的一整套机制。

要搭建起完整的安全智能体系，首先要破解仿真交互训练、高质量安全数据集不足的现实瓶颈。中国人民大学教授赵鑫研究发现，大规模可验证的安全训练素材稀缺，已成为制约安全智能体迭代的一大障碍，业界也在探索借助世界模型，降低重型仿真环境带来的高昂资源成本。

同时，大模型与生俱来的幻觉问题，会直接干扰安全研判结果的可靠性。想要让智能体研判有据可依，离不开外部知识体系的约束。南京大学教授夏睿团队的研究，便尝试利用知识图谱对齐推理路径，以此改善大模型推理的可解释性。

“面向防御场景发展网安超级智能，必须守住三条核心底线：目标受限、权限受控、全程可审计。”肖新光强调，“不能一味追逐模型参数指标，发展网安智能的核心目标是切实改善网络安全状态，不能认为有了通用大模型就能解决全部防御难题。”

（实习生 索瑞霞）