防御性AI：Cloudflare应对下一代威胁的框架
内容提要
云层使用AI技术提高安全性，包括保护API、识别应用漏洞、打击网络钓鱼和实施零信任安全。API异常检测学习应用业务逻辑，保护API免受攻击。Web应用防火墙利用机器学习模型提供更好保护。云层电子邮件安全产品使用AI模型阻止网络钓鱼攻击。零信任安全通过行为分析评分检测用户活动风险。云层采用智能系统提高安全性，抵御攻击。
延伸解读
防御性AI的核心：数据与网络规模
Cloudflare的防御性AI框架高度依赖其庞大网络产生的数据。文章指出，关键数据来自整个网络或特定客户流量，这使AI模型能学习全局攻击模式并提供定制化保护。例如，WAF的Attack Score基于网络攻击流量训练，而API异常检测则学习每个应用的业务逻辑。这种数据优势是防御有效性的基础，但也意味着小型安全厂商难以复制。
API安全：从序列分析到异常检测
API占Cloudflare网络动态流量的57%，成为攻击重点。传统安全方法难以应对API的独特性，因为每个API用途和用法不同。Cloudflare推出API异常检测，通过分析客户端API请求序列学习应用业务逻辑，建立预期请求模型，从而识别偏离行为并阻止攻击。该功能尚在开发中，但现有Sequence Analytics和Mitigation已可用。
WAF的AI增强：Attack Score与反馈循环
Cloudflare WAF利用机器学习模型持续学习最新攻击，无需手动创建规则。WAF Attack Score基于网络攻击流量训练，能识别现有攻击的变种和未知攻击。它与传统签名规则结合，形成正反馈循环：AI识别新恶意载荷，分析师优化规则，规则又为AI提供更好训练数据。这提高了防护和响应速度，但长期将适配客户特定流量特征。
零信任与行为分析：风险评分与隐私
Cloudflare Zero Trust引入基于行为的用户风险评分，利用AI分析实时数据检测异常行为，并给出低、中、高风险评分。首个上下文行为是“不可能旅行”，识别凭证在不可能时间内两地使用。未来可扩展至时间模式、访问模式等。同时，Cloudflare强调隐私，仅使用非个人身份信息训练模型，这在安全与隐私间寻求平衡。
Q&A
什么是防御性AI？
防御性AI是Cloudflare用于思考智能系统如何提高其安全解决方案有效性的框架。其关键在于利用Cloudflare庞大网络生成的数据，无论是整个网络的数据还是特定客户流量的数据。
Cloudflare如何利用AI保护API安全？
Cloudflare通过API异常检测来保护API安全。该功能利用机器学习分析客户端API请求序列，学习应用程序的业务逻辑，并建立预期请求序列的模型。然后，它使用该模型识别偏离预期客户端行为的攻击，并通过序列缓解功能阻止攻击。
Cloudflare的Web应用防火墙如何利用AI识别未知漏洞？
Cloudflare的WAF利用机器学习模型（如WAF攻击评分）不断从最新攻击中学习，无需手动创建规则即可部署缓解措施。攻击评分基于在Cloudflare网络上识别的攻击流量训练的ML模型，能够识别现有攻击的变种和绕过，并将保护扩展到新的和未发现的攻击。
Cloudflare的电子邮件安全产品如何使用AI阻止网络钓鱼？
Cloudflare电子邮件安全产品使用AI模型分析网络钓鱼攻击的所有部分以确定风险。其中，Honeycomb是一个专利的电子邮件发件人域名信誉模型，为每个客户训练特定模型；Labyrinth则使用机器学习基于每个客户进行保护，检测冒充已验证域名的欺骗尝试。
Cloudflare Zero Trust如何利用AI进行用户风险评分？
Cloudflare Zero Trust通过基于行为的用户风险评分，利用AI分析实时数据来识别用户行为中的异常和可能对组织造成危害的信号。它为管理员提供根据用户行为定制安全态势的建议，并给用户分配低、中、高风险评分。
生成性AI如何被恶意行为者利用？
恶意行为者利用生成性AI进行复杂攻击，使网络钓鱼和社交工程变得更加复杂。攻击者可以利用AI生成可信内容或像真人一样与人类互动，还可以构建针对特定网站的攻击工具，以获取专有数据和接管用户账户。
