张润滋，刘文懋

1.绿盟科技集团股份有限公司，北京 100089

2.清华大学，自动化系，北京 100084

引 言

随着数据的积累，算力的提升，人工智能技术的演进，技术平台的自动化、智能化水平，已经逐渐成为网络安全攻防双方角力的重点。学术界和工业界纷纷尝试基于人工智能技术的安全分析方法，包括深度学习、机器学习、知识图谱等人工智能技术，已经逐渐应用到恶意软件检测、网络入侵检测、金融欺诈检测、用户行为分析等安全业务和应用中。不过，几轮炒作和试错下来，火热的期盼逐渐归于平静，安全技术的发展归于辛苦的爬坡过程。

面对攻击面的持续拓展，高级威胁的迭代升级，安全运营（Security Operations，SecOps）能够面向人、技术、流程的集成与融合，有效提升安全防御资源的全局性、协同性，并已成为安全能力落地，发挥防御体系有效性，支撑实战对抗的最直接、最关键环节之一。

可以预见，随着安全大数据的采集与智能分析技术的成熟，基于人工智能的安全运营技术方案（AI-driven Security operations, AISecOps）将大幅提升威胁检测、风险评估、自动化响应等关键运营环节的处理效率，大幅减少相关过程对专家经验的过度依赖，有效降低企业、组织乃至国家级关键信息基础设施、数据资产的整体安全风险。与此同时，智能安全运营技术能力的发展仍然在起步加速阶段，在体系架构、评估方法、数据融合、技术方向等多个层面，缺乏系统性的归纳与梳理。本文旨在对AISecOps智能安全运营技术的关键概念、成熟度、架构、技术等维度进行一个全面的总结与介绍，期望为读者带来全新的技术思考，并促进AISecOps技术生态的构建，助力网络安全运营产业的技术升级。……