在 Check Point CPX 2025 安全年会期间，AI 副总裁 Dan Karpathi 提出了深刻的技术观察： 人工智能已从辅助工具演进到具备自主性。Karpathi 指出，2025 年正式进入「 AI Agent 时代」，这些数字工人不仅能规划运行任务，更能自主获取信息、拷贝数据库并生成代码。然而，这把利刃的锋利之处正是其风险所在。
AI 安全的双面刃：机遇中的隐忧
「AI 导入过程中的数据泄漏风险不容忽视，特别是在模型训练阶段可能遭遇的恶意信息植入，这直接威胁企业的智能财产安全。」Karpathi 的警告揭开了 AI 应用背后的技术脆弱点。
Check Point 亚太区暨日本总裁 Ruma Balasurbramanian 则从威胁情报角度补充：「生成式 AI 正以前所未有的方式强化钓鱼、勒索软件和信息窃盗等攻击技术。」她介绍了 Check Point 的 Threat Cloud AI 系统如何集成全球数据，并通过 55 个 AI/ML 引擎分析潜在威胁，提供前瞻性防御建议。
自动化防御：AI Agent 的安全实践
面对 AI 带来的挑战，Check Point 已构建明确的技术路线图。Karpathi 展示了公司从基础协助功能逐步发展至完全自动化 AI Agent 系统的 Copilot 演进策略。「我们的目标是从监督 AI，安全转移到 AI 能有自主权限，」他解释道，「但这过程中，每个环节都必须保留人类监督机制。」
产品长 Nataly Kremer 分享了更具体的技术愿景：「我们正在开发完全基于 AI 运作的智能防火墙，能够处理大部分日常安全操作，释放人类专家处理更策略性的安全议题。」Kremer 举例说明，未来当用户遇到系统登录困难，AI Agent 能自动阅读问题单、分析系统日志、检查政策设置，并提出精准的解决方案。
「AI Agent 的价值不仅在于自动化，更在于其决策品质，」Kremer 强调，「我们正专注解决 AI 幻觉问题，教导系统准确判断何时应该提供答案，何时应该承认不确定性。」
数据驱动的防御策略：Threat Intelligence 的演进
技术集成是 Check Point 的内核竞争力。Check Point 亚太区暨日本总裁 Balasurbramanian 详细介绍了 Playblocks 技术如何通过理解特定企业的资安政策，确保防御策略的完整性与有效性。「Playblocks 能针对企业环境提供客制化的安全政策优化建议，」她解释，「这代表防御不再是一体适用的解决方案，而是基于企业特性的精准部署。」
Check Point 首席执行官 Yadav Zafrir 则从攻防不对称的角度分析：「攻击者在 AI 时代变得更加敏捷，能以更低成本、更高效率去开发更复杂的攻击手法。」他指出，Check Point 正通过 AI OPS 技术主动预测安全风险，「我们的系统能分析网络行为模式，在威胁发生前提供防御建议。」
安全治理的精准框架
AI 的渗透带来治理挑战。Zafrir 提出了结构化的管理框架：「组织需明确定义谁可使用 LLM、可访问何种数据、以及使用目的限制。」反映了企业级 AI 应用必须创建的安全边界。
Karpathi 则从合规角度补充：「我们的 AI 系统主要基于 Azure OpenAI 技术，在 Copilot 周围创建严格的防火墙安全审核架构，同时结合人类监督机制确保系统行为符合预期。」他特别强调 Check Point 针对 GDPR、欧盟 AI 法案及美国行政命令等区域法规要求进行技术调整，确保合规性。
技术堆栈的战略选择
Check Point 的技术策略体现在其 AI 发展规划中。Kremer 明确表示：「我们并不打算创建自己的基础 AI 模型，市场现有 LLM 已足够支撑应用层需求，但在安全领域，我们正开发专属 AI 模型。」
Zafrir 补充了云端与 AI 的融合愿景：「企业通过云端使用 AI 已成趋势，Check Point 将专注提供最佳安全工具，并与其他技术供应商合作，创建混合防护架构。」
未来安全格局的技术预测
Check Point 的四位高端主管对未来 3-5 年的技术趋势评价方向一致：AI 将重塑网络安全领域。Zafrir 警告：「AI 降低了攻击门槛，使业余攻击者也能发动复杂攻击，这代表防御范围扩大，而攻击复杂度上升。」
Karpathi 描绘了更具体的未来场景：「全自动化的安全管理将实现，从解决问题表单、管理员工权限到异常监控等，一位安全专家将能通过管理多支 AI Agent 处理多样任务。」
技术挑战中的人机协作
尽管 AI 具备强大能力，所有高管一致强调人机协作的关键性。「AI 的黑箱特性要求我们创建完善的人类监督机制，」Karpathi 指出，「这不只是安全考量，更关乎 AI 系统的可靠性和问责性。」
从研发角度，Check Point 已将 AI 深度集成至内部流程。Karpathi 介绍：「我们使用 AI 生成代码、运行品质测试、审查代码，甚至分析 Copilot 的使用情况和用户情感反馈。」这一实践代表 AI 不仅是产品功能，更成为技术创新的驱动力。
数据资本的安全护城河
Check Point 的内核竞争优势源自其数据资本。Kremer 指出：「我们拥有大量安全数据、长期研发投资和专业人才，这三大支柱确保我们在 AI 安全领域的领导地位。」这揭示了 AI 发展的根本逻辑：数据质量决定智能水平。
Balasurbramanian 补充：「Threat Cloud AI 系统每日处理全球安全数据，通过 55 个专业引擎分析威胁模式，为客户提供前瞻性防御建议。」这种数据驱动的防御方法论代表了现代资安技术的发展方向。
随着 AI 技术的快速演进，Check Point 正以系统性方法构建下一代智能安全架构，平衡创新效率与安全治理，为数字时代的企业提供更具适应性的防御体系。
版权声明
本文为本站原创内容,转载需注明文章来源(https://www.eiefun.com)，另:文中部分素材可能会引用自其他平台，如有侵权或其它，请联系 admin@eiefun.com，我们会第一时间配合删除