2026 TechWorld | 让安全更智能·AI赋能安全专题论坛精彩回顾
内容提要
2026 TechWorld智慧安全大会“AI赋能安全”论坛上，专家指出AI正推动安全从辅助走向自主与AI对抗AI。绿盟科技以安全大模型和多智能体实现检测响应提升70%以上，其漏洞挖掘系统在CyberGym榜单达95.02%。信通院、电科院、联通、腾讯、北汽福田等分享了AI安全测评、电力防护、智能运营、攻防评测及车企风险治理实践，强调构建可信可控的智能安全体系。
延伸解读
从辅助到自主：安全运营的范式迁移
论坛多位讲者指出，AI正推动安全从“人操作工具”转向“人机协同运营”。绿盟科技以安全大模型为底座、多智能体协同为架构，将感知、研判、决策、处置全链路推向自主闭环，实测平均检测与响应时间提升70%以上，超85%攻击可自动研判处置。联通则强调AI接管重复性操作，人的价值上移至战略决策层。这意味着安全团队需重新定位人员角色与流程，而非仅把AI当作提效工具。
模型规模不是唯一解：专业化训练与状态管理更关键
绿盟天枢实验室顾杜娟博士以CyberGym漏洞复现实践说明，复杂安全任务的效果并不只由模型规模决定。行业普遍追求更大模型和更复杂多智能体系统，但会带来高推理成本与工程复杂度。其27B参数SecLLM-3.6-27B经专业化训练和长程任务优化，在CyberGym Level1取得91.37%任务成功率，较Base模型提升36.86个百分点。这提示企业评估安全大模型时，应关注训练方法、状态管理与纠错恢复能力，而非仅看参数。
AI攻防评测：从“攻破多少”转向“可控可审计”
腾讯云鼎实验室李鑫提出，AI攻防竞争焦点正从“谁能更快攻破更多目标”，转向“谁能在授权范围内稳定探索、独立验证、完整审计并安全可控地终止任务”。团队依托两届智能渗透黑客松打磨TSecBench评测体系，用L0-L5人机边界分级开展实景实测。信通院戴方芳也分享AI安全能力测评标准与实践。对读者而言，这意味着AI安全产品的选型应重视可量化、可对标的评测结果，而非主观宣传。
行业落地差异：电力与车企的共同底线
电力行业面临大电网与微电网并存、边界模糊的挑战，中国电科院韩龙玺介绍将AI用于防御、攻击侧检验及AI自身安全管控，底座是电力行业大模型与知识引擎。北汽福田张志强则强调AI越深入业务，安全越不能事后补救，需前置建设，并列出数据泄露、深度伪造、模型投毒、提示注入、合规与供应链六大风险。两者共同指向：AI安全须嵌入业务与治理流程，构建可信可控的智能安全体系。
Q&A
AI赋能安全专题论坛上，专家认为网络安全攻防正在进入什么新阶段？
专家指出，AI正推动安全从辅助走向自主，并进入“AI自主”和“AI对抗AI”的全新阶段。攻防两端都在借助AI放大能力，从AI辅助安全迈入AI自主、AI对抗AI。
绿盟科技的安全大模型和多智能体在安全运营中取得了哪些实测效果？
绿盟科技以安全大模型为底座、多智能体协同为架构，将“感知—研判—决策—处置”全链路推向自主闭环。鹰眼安全运营中心实测显示，平均检测与响应时间整体提升70%以上，超过85%的攻击可实现自动研判与闭环处置。
绿盟科技的AI漏洞挖掘系统在CyberGym榜单上表现如何？
绿盟科技NSFOCUS AI漏洞挖掘系统在CyberGym榜单以95.02%成为首个越过95%的条目；模型榜单SecLLM-3.6-27B达到91.37%。
中国信通院戴方芳提出的“以智御智”具体指什么？
“以智御智”指在智能时代，网络安全对抗将是AI创造脆弱性与AI创造免疫性的博弈。AI网络安全防御将打破“单点工具、静态边界、人工运营”的传统范式，构建全域感知、智能协同、预测防御、弹性恢复的主动免疫体系。
中国电力科学研究院在电力网络安全中如何应用AI？
电科院把AI用在三个位置：用AI做防御（情报分析、威胁狩猎、处置策略生成）；用AI做攻击侧检验（漏洞挖掘和渗透测试智能体，用攻击能力反哺防护）；同时管控AI自身安全（评估指标、检测平台到六重安全可信机制）。底座是电力行业网络安全大模型与知识引擎，验证场是覆盖发输变配用调全环节的靶场。
北汽福田张志强认为AI给企业安全带来哪些主要风险？
张志强谈到AI安全风险的六大威胁，包括：数据泄露、深度伪造、模型投毒、提示注入、合规风险、供应链风险。他强调AI越深入业务，安全越不能事后补救，必须成为能力建设的前置条件。
绿盟科技高东提出的“非预期态收敛”框架是什么？
USC框架把漏洞定义为设计意图与实际行为之间的风险偏差，漏洞不再是CWE清单上的一类代码形态，而是一种可以刻画边界、逐步收敛的风险偏差。工程上实现为收敛引导与编排执行双引擎，以五级证据阶梯约束结论的可复现性。
