随着大模型能力持续提升 、AI智能体加速进入企业业务系统 ，网络安全产业正迎来新一轮技术变革 。一方面 ，人工智能为漏洞挖掘 、威胁识别和安全运营提供了新的技术手段；另一方面，AI也在降低网络攻击门槛 ，智能体的自主决策、工具调用和任务执行能力 ，更使传统网络安全防护体系面临新的挑战 。
在这一背景下，网络安全行业的竞争焦点，正从传统安全设备和单点防护能力 ，向智能化攻防 、持续安全运营以及场景化服务等方向延伸。日前 ，绿盟科技2026 TechWorld智慧安全大会在北京举行 。会上，绿盟科技发布了智慧安全4.0技术理念 ，提出以智能原生 、持续进化和自主运营重构安全能力 ，并宣布成立上海研究院，进一步加强前沿技术研发与行业场景的结合 。
大会期间 ，绿盟科技集团董事、高级副总裁兼首席技术官叶晓虎在接受《中国经营报》记者采访时表示 ，随着前沿大模型能力快速提升，过去需要较高专业水平才能完成的复杂攻击 ，如今借助AI工具便有可能实现更高效率的执行。面对攻防双方不对称性加剧的趋势 ，传统依赖人工分析和被动响应的安全防护模式已难以适应新的威胁环境，网络安全产业亟须向智能化、主动化和持续运营方向转型。
网络攻防加速进入智能化阶段
人工智能对网络安全行业最直接的影响 ，是正在改变攻防双方的力量对比 。
长期以来 ，网络攻击中的漏洞挖掘 、逆向分析和渗透测试等工作，对专业技术人员有着较高的能力要求 。然而，随着前沿大模型代码理解 、逻辑推理和任务执行能力的提升 ，部分过去依赖安全专家完成的复杂工作 ，正在逐步由AI辅助甚至自主执行。
叶晓虎表示，今年以来 ，前沿大模型的快速发展对网络安全领域带来了明显冲击 。过去 ，具有较高技术水平的人员才能发起影响较大的网络攻击，而如今 ，攻击者借助AI工具 ，可以以更低的门槛和成本获得更强的攻击能力 。
这一变化意味着，传统网络安全防御模式面临新的压力。
尤其是在智能体应用加快普及的背景下 ，安全风险已不再局限于传统网络入侵 。智能体能够自主规划任务、调用外部工具并访问企业内部系统 ，这在提高业务效率的同时，也使权限管理 、敏感数据保护及操作行为控制变得更加复杂 。
叶晓虎举例称 ，未来一家企业拥有大量“数字员工” ，如何像管理员工一样，明确智能体可以做什么 、不能做什么，成为企业需要面对的新问题。过去基于角色的传统权限控制模型 ，已经难以完全满足这类应用需求 。
在此背景下 ，安全防御的思路也需要发生改变 。叶晓虎认为，面对日益复杂的攻击 ，企业需要更加重视威胁的快速发现、现场响应和持续改进 ，通过缩短攻击发现与处置之间的时间窗口，降低安全事件造成的影响。
与此同时 ，企业还需要持续开展安全测试与漏洞挖掘 ，尽可能在攻击发生前发现并修复业务系统中的安全隐患 。
绿盟科技集团AI和云BG总经理何坤则从AI预测能力的角度进一步解释了主动防御的技术路径 。他表示，安全防护可以结合已知漏洞 、客户实际环境和攻击路径等信息 ，对潜在攻击进行预判 ，并通过持续模拟攻击者行为，提前发现系统中的薄弱环节。
不过 ，这种预判并不意味着能够准确预测攻击发生的具体时间。“因为我们很难准确去预判一个漏洞会在哪一天被发现或者被利用 ，但目前可以做到预判或预测这个漏洞爆发的概率或很可能出现的路径 。 ”何坤指出 。
在业内看来，随着攻击自动化程度提升，传统依赖人工分析和定期检测的安全运营方式 ，正在面临效率与成本的双重约束。通过AI实现持续性检测 、分析与响应 ，成为网络安全厂商探索的重要方向 。
AI重塑安全产业竞争逻辑
面对AI带来的技术变革，网络安全厂商不仅需要提升现有产品的智能化水平 ，也需要重新思考安全能力的构建和交付方式 。
此次大会上 ，绿盟科技正式发布智慧安全4.0技术理念，提出以“智能原生 ”为基础 ，通过持续进化、自主运营等方式 ，提高安全防护体系的适应性与运营效率。
按照规划，智慧安全4.0将以“风云卫”和“清风卫 ”两大体系为支撑 。其中 ，“风云卫 ”主要面向AI赋能安全 ，将人工智能技术融入威胁发现 、分析研判和安全处置等环节；“清风卫”则侧重AI自身安全，为大模型及智能体应用提供风险评估 、运行防护与行为审计等能力 。
叶晓虎表示 ，早期行业更关注安全设备的部署与连接 ，随后逐步转向可运营、体系化防护，而AI应用的发展则带来了新的安全需求。据其介绍，在传统模式中 ，安全厂商通常先开展技术研发 ，再形成标准化产品，最终部署到客户现场 。但由于不同行业 、不同企业的业务流程存在差异 ，标准化产品往往难以覆盖全部实际需求 。这意味着 ，即便完成产品部署，企业的安全运营人员仍需要自行开发工具 、调整流程 ，以适应具体场景。
叶晓虎提出 ，未来可以借助AI，让现场工程师直接在安全平台上 ，围绕客户的实际需求快速生成、测试、迭代和发布新的应用能力 ，从而缩短需求响应和交付周期 。
以企业弱口令治理为例，过去从扫描检测到策略配置 、系统联动 ，往往需要人工处理多个环节 。如果借助AI理解客户业务上下文 ，并自动衔接相关系统，则有望减少重复开发和人工操作。这一思路也反映出网络安全行业潜在的商业模式变化：安全厂商的价值不再仅仅体现在产品部署环节，而是逐步向持续运营 、能力迭代和场景化服务延伸。
在技术实践方面 ，绿盟科技集团产品BG副总经理吴天昊介绍 ，AI大模型已具备较强的代码理解能力，但漏洞挖掘并非简单的代码阅读 ，还需要一整套工程化机制 。
为此 ，绿盟科技将以往积累的漏洞挖掘经验与大模型能力结合，构建相应的Harness体系 ，通过任务编排、过程校验和纠错机制 ，提高AI在复杂安全任务中的执行能力 。
不过，技术能力的升级只是其中一个方面。随着AI逐步深入企业核心业务系统 ，网络安全需求也呈现出更加明显的行业差异 。
例如金融 、电信和能源等领域对业务连续性 、数据安全和系统稳定性有着较高要求；半导体等先进制造企业则更加关注生产安全、研发数据及核心知识产权保护 。不同场景下的差异化需求 ，也对安全产品的适配能力提出了更高要求。
行业趋势显示，AI正在推动网络安全产业从传统的设备部署和单点防护 ，向智能化 、持续化 、场景化服务转变 。对于安全厂商而言 ，未来的竞争不仅在于模型能力和产品性能，更看重能否将技术与不同行业的业务场景相结合，并以更高效率、更低成本持续交付安全能力 。随着企业对AI应用安全性和业务连续性的要求不断提高 ，这种技术落地与持续服务能力 ，也将成为网络安全产业竞争的关键变量。
（文章来源：中国经营报）
