大模型火不火？太火了！
如果你还以为现在大模型只能用来吟诗、绘画、写歌、做视频？不不不，不法之徒已经可在用大模型搞黑客攻击了↓
比如，最近国外研究团队利用GPT设计出了黑客智能体框架，这个家伙在阅读CVE之后，就可以学会漏洞攻击。
测试攻击成功率高达87%，单次攻击成本仅8.8美元。
这只是个案？
不不不，已经有越来越多的攻击大模型冒出来了，比如WormGPT、FraudGPT等等，都凶猛得很呀。
形势看起来很严峻，搞攻击的已经这么先进了，那咱搞防御的是不是要做点什么？
放心，安全从业者不会坐视不管的，以AI对抗AI，有人已经在路上！
比如，国内安全头部企业深信服已经早早布局，到现在已经超130家用户应用，落地数量标志着绝对优势，领跑行业。
他们为了大模型在安全领域落地，可谓操碎了心。
早在去年5月18日，深信服就在国内率先发布了安全垂域大模型：安全GPT，并成为国内首个通过双重备案的安全大模型。
深信服安全GPT到底能干哪些事儿？
我们先来客观看看，大模型的新特征，能为信息安全领域，带来什么样的技能包。
众所周知，如今的大模型相比传统AI小模型，文本理解和生成能力、知识泛化能力等多方面都强太多了。
也就是说，更高Level的智能已经涌现了。
于是，业界的安全公司都在探索，让大模型能像人类安全专家一样，去解决相对应的安全问题，细分方向很多。
而深信服安全GPT的落地思路，并不是一抓一大把，每个领域都进行尝试，而是基于客户面临的“高威胁、高影响、高价值”几个场景进行落地。
他们把落地方向分两大类，检测大模型和运营大模型。
这两类场景，用户需求紧迫，而且可以与现有产品密切结合。
比如检测大模型可以与深信服NGAF、NDR、EDR产品形成联动，而运营大模型则可以成为XDR产品的最佳“安全搭子”。
下面，我们挨个看看，深信服是怎么玩的↓
01、利用检测大模型，进行高级威胁检测
比如，结合NDR/XDR产品，深信服安全GPT可以实现对网络流量的未知威胁检测。
在实际检测中，深信服安全GPT攻克了传统威胁检测引擎难以逾越的两个难题：
第一，在少量样本甚至是无样本前提下，检测出新型威胁，这对0day漏洞检测至关重要。
第二，精准研判攻击结果，不仅检测是否发生了攻击事件，更能精准判断那些攻击成功的事件。
凭什么单单深信服能攻克这两个难题？
传统检测引擎，要么基于规则特征库匹配，要么基于机器学习特征检测，核心靠的还是匹配和分类。
比如，可以认识黑猫、白猫、橘猫，或者基于明显的“喵特征”来判断是不是猫。但认完猫，换一条狗，就可能不认识了，除非特征库足够全。
而大模型的核心运用逻辑是“生成式”的。
经过海量的通用语料库和安全垂直语料库训练之后，检测大模型就像一个懂攻防、识代码、会推理的“虚拟安全专家”。
它的本质并不是在做分类任务，而是通过逐层的生成式任务，依照宏观的安全专家逻辑进行一步步的生成式判断，并且具备泛化能力。
比如，它拥有“猫”的一切知识，能“生成猫”，能通过一点点蛛丝马迹来识别猫，认识猫以后，还能触类旁通认识老虎。
由于泛化能力强，检测大模型能在少量样本/无样本情况下（比如并没有老虎的样本，相当于0day）。基于Zero/Few-Shot技术，检测出新型威胁，大幅提升0day漏洞检出率。
同样，在攻击结果检测中，监测大模型可以抽丝剥茧，成功还原被混淆的攻击载荷，并找出潜在的攻击成功回显特征。
具体实战效果怎么样呢？
2023年9月-11月间，深信服检测大模型初出茅庐，蓝军就用它捕获了32个在野0day漏洞（漏洞细节此前未必披露过），一战成名！
02、利用检测大模型，实现主机防钓鱼
此时，安全GPT就可以与aES探针结合，来进行钓鱼邮件监测。
与传统方案（邮件安全网关等）相比，检测大模型像资深人工专家一样，进行综合意图评估和研判，大大提升检出率、降低误报率。
在实测中，深信服安全大模型检测了3万高对抗钓鱼邮件与100万白邮件。
检出率从15.7%飞升至91.4%，误报率从0.15%降低至0.046%，吊打传统终端安全和邮件网关产品。
03、利用运营大模型，实现安全辅助驾驶
想象一下，一个安全大模型，化身5年经验的安全专家，为你提供陪伴式服务。
看不懂攻击数据包？丢给它！分分钟给你讲个明明白白↓
安全趋势整不明白？问问它！绘声绘色让你醍醐灌顶↓
这个“专家”不仅可以精准理解用户的自然语言意图，又精通安全产品的实时日志、资产、告警的机器语言。
这些能力，涉及到模型基础能力训练和微调，以及与大量的API、向量数据库、关系型数据库交互。
同时，安全产品的特殊性，还要涉及到与客户本地数据打通，形成私有安全知识库。
所有这些问题，想想就很头大。
但深信服拼的就是一个头铁，硬是把这一系列工程化难题都啃下来了。
试试你就知道了，深信服安全GPT的实时对话体验，那是相当顺滑。
04、利用运营大模型，实现安全自动驾驶
到了这一步，就更加智能了。
作为国内首个提出安全自动驾驶理念的厂商，深信服将安全GPT用于全天候安全值守。
这个负责任的“专家”，可以与XDR协同作战，支持全量告警逐条分析、全量研判，一条也不会漏看。
同时，有效告警实现自动化处置，如果实在拿不准，就转人工，由运营人员介入决策。
在安全运营场景引入深信服安全GPT后，效果大大不一样。
以前安全运营靠人肉，还得是资深专家，走完一个安全闭环，至少仨小时。
如今，安全GPT辅助运营模式，10分钟完成闭环；安全GPT智能驾驶模式，30秒就能跑完全程！
为什么深信服安全GPT能够一枝独秀？
01、布局早，投入大
深信服走了一条难而正确的路。
过去十年间，深信服基于对AI的笃定，校招了大量的AI博士、硕士，这些人才过去做计算机视觉、做自然语言处理，基本都不懂安全。
但就是靠着这一份坚持，这一批硕博在大量AI安全项目中磨练，成为了业内独一份既懂安全又懂AI的复合人才。
大模型时代到来，这批人大放异彩的moment终于来了！
02、自身的独特能力积累
大模型训练离不开大数据，安全大模型训练离不开安全大数据。
深信服20年累积的海量安全数据，恰恰成为了投喂安全GPT的最佳饲料，这其中包括1400亿Tokens通用语料库和1000亿垂直语料库。
同时，深信服的主营业务是云+安全，放眼国内，这样的架构独一无二。
这恰恰为安全大模型提供最佳的架构支撑，让安全GPT能够快速发展壮大。
不仅如此，在这个高速发展的过程中，深信服用GPT赋能安全，同时，特别加码GPT自身的安全建设，持续夯实基本盘。
03、强大的AI和安全产品工程化能力
大模型的落地，算力消耗是绕不开的话题。
模型优化不好，被算力卡了脖子，很可能根本落不了地，尤其是实时流量检测、告警研判。
深信服恰恰懂云也懂AI，多年来在小模型、AI算力平台等方面的优化经验，使得其具备了强大的AI训练、推理性能优化能力。
举个典型例子，深信服能在消费级显卡上把检测和运营大模型跑得飞起，直接做到几块消费级显卡，就可以支持十几G的网络流量实时检测。
04、实战落地成功，不玩PPT
讲真，国内号称已有或在规划的安全大模型，有好大一票了。甚至都让行业客户产生了选择困难症。
但懂行的客户都知道怎么选：看PPT，不如看落地！
那么，安全大模型实际落地哪家强？非深信服莫属！
截至目前，深信服安全GPT已经有超130家落地用户，覆盖金融、能源、政府机关、企业等，安全大模型落地用户数量国内领先，实践经验丰富。