Skip to content

🔐AI与未来

网络安全专家 · 通过发现、防范和响应数字攻击,保护系统、数据与人员的安全。

分享本页

网络安全是一门对抗性的职业:自动化同时改变了防御者的工具和攻击者的选项。人工智能可以帮助总结告警、编写检测查询语句,并在海量数据中识别模式;但它也能让钓鱼、侦察和社会工程学攻击的制作成本变得更低。

最可能出现的结果不是一个完全自动化的安全部门。常规的分类工作会萎缩,而从业者会把更多时间花在核实证据、保护人工智能系统本身,以及就中断、隐私和可接受风险作出可负责的选择上。

37 / 100
中等

机器可替代的工作占比

告警丰富化、基础的漏洞优先级排序和报告撰写,都非常适合自动化。而剩下的工作——在证据不完整的情况下做出遏制决策、理解一个独特的组织,以及在事件期间协调人员——需要当前工具无法独立提供的情境理解与责任担当。

按任务计分,而非头衔。越低越安全。

AI难以取代的职业 →

机器夺不走的

对抗性判断力

88

攻击者会适应控制措施,因此防御者必须不断检验假设,识别微弱信号的新组合方式。

可担责的遏制决策

90

断开一个医院系统或停用一个账户会影响真实的人,需要一个能权衡后果的责任人来决定。

组织情境理解

84

模型不会自动知道哪个服务至关重要、哪个例外是合理的,或者谁有权授权停机。

证据核验

82

流畅的摘要无法替代对日志、时间戳、来源和其他可能解释的核查。

信任与协调

80

事件响应需要工程师、高管、法律顾问和客户依据一个共享且可信的情况判断来行动。

它们已经在夺的

告警丰富化

78

工具能比分析师手动操作更快地围绕一个常见告警收集资产、用户和威胁情报方面的背景信息。

日志摘要

72

语言模型可以把重复性的事件流转化为初步叙述,但分析师必须加以核实。

检测规则草案

65

助手可以根据已知手法提出查询和规则建议,但数据结构和误报情况仍需本地评审。

常规合规证据

60

在数据来源可靠的情况下,控制清单和问卷草案可以自动生成。

工作如何变化

分析师监督自动化流程

一线告警队列越来越多地使用自动化手段进行丰富化处理,让人力专注于调查那些模糊而后果重大的案例。

人工智能系统本身成为攻击面

团队必须像保护常规应用一样,保护模型输入、权限、训练数据和工具集成。

身份认证愈发重要

随着基础设施扩展到各类云服务,访问决策和凭证盗用仍是极具影响力的防御问题。

韧性胜过完美的预防

勒索软件和供应链事件使经过测试的恢复能力、隔离机制和沟通,变得与阻止每一次初始入侵同样重要。

分岔出的新职业

人工智能安全工程师

设计针对模型访问、提示注入、数据泄露和代理权限的控制措施。

检测工程师

为安全运营团队构建并测试高质量的规则、遥测数据和自动化流程。

云安全架构师

为分布式云环境设计身份认证、网络和策略控制措施。

威胁情报分析师

将有关攻击者、攻击活动和漏洞的报告,转化为本地组织可以据以行动的决策。

展望

网络安全专家应预期人工智能会消除部分重复性的告警处理工作,但会加大这场对抗的规模和速度。最强劲的职业发展路径将把技术深度与事件判断力、沟通能力,以及设计出能在真实组织中奏效的控制措施的能力结合起来。

这一职业的未来与信任紧密相连。每一项新的联网服务、人工智能代理和供应商关系,都在制造新的理由,需要能让风险变得清晰可见并加以降低,同时不阻碍有用工作的人。

相近职业

不限同一领域,六项评分最接近的职业。

继续探索

继续探索

工程·技术领域的其他职业