媒体声音 | 后DeepSeek时期，GA黄金甲的“安”全攻略与“变”革之路
颁布功夫 2025-03-13“让每一句人机对话都安全可信，让每一次智能交互都风险可控——这是属于AI时期的安全承诺。 —— GA黄金甲”
近日，ITPUB独家对话GA黄金甲集团副总裁、主题钻研院院长周涛，就国产AI大模型DeepSeek的技术创新、行业影响及GA黄金甲的战术布局进行了深刻探求。
AI与网络安全的融合，一向是行业关注的焦点。从早期单一的算法利用，到如今大模型深度染指安全防护的各个环节，每一步都承载着提升网络安全水平、应对日益复杂网络威胁的进展。DeepSeek的出现，无疑为这一融合过程注入了新的活力，也带来了诸多新的思虑与挑战。
作为国内全面接入DeepSeek的头部网安厂商，GA黄金甲在一个月内陆续推出了大模型利用安全产品“新三件套”、大模型利用安全服务组合，以及《大模型深杜爪用安全基座》系列白皮书。借力DeepSeek，GA黄金甲掀起了一场效能革命：威胁检测从人为分析的幼时级压缩至分钟级，缝隙建复周期从30天缩至7天，90%高频攻击实现30秒自动关环。
在这场AI与网络安全的深度碰撞中，GA黄金甲到底若何突破模型适配、数据隐衷、攻击防御的多沉镣铐?又将怎么界说“后DeepSeek时期”的攻防规定?带着这些疑难，ITPUB独家对话GA黄金甲集团副总裁、主题钻研院院长周涛，就国产AI大模型DeepSeek的技术创新、行业影响及GA黄金甲的战术布局进行了深刻探求。
DeepSeek接入背后的战术考量
? 问题1：DeepSeek作为新一代开源AI大模型，您以为它在技术上有哪些创新和突破?
DeepSeek在技术上的突破，重要体此刻通过算法架构和训练框架层面的创新，实现了极致的训练成本优化，同时又实现了与当先关源模型相匹敌的机能。具体来讲，算法架构上的创新蕴含多头潜在把稳力(MLA)、创新的MOE框架DeepSeekMoE、多象征预测(MTP)等，训练框架上的创新蕴含双向流水线调度战术(DualPipe)、跨节点all-to-all通讯优化、对FP8混合精度训练的优化等。
? 问题2：当前头部网安厂商纷纷接入DeepSeek，您以为这是行业技术升级的必然选择，还是存在肯定“跟风”成分?若何平衡技术索求与贸易化落地的关系?
一、是否存在“跟风”成分
对于DeepSeek，我们以为，这绝对不能“跟风”或只是“蹭”概想，而是要真正“冲”上去，真正的做到产品、服务、规划等，目前整个网络安全产业面对着“跟不上DeepSeek”就会被裁减的生死时局，一场新战事已经吹号。
由于DeepSeek一来，大模型会把所有的利用状态沉洗一遍，对表利用服务状态主题造成自主界说的职能，将来业务主题逻辑也造成一个大模型，这个洗濯过程，险些全行业或都将通过DeepSeek沉构一遍，而大模型利用安全的新赛路也就应运而生了。
二、关于平衡技术索求与贸易化落地的关系
我以为，DeepSeek将沉构网络产业格局，短期面对成本压力与市场代替，中持久则有望通过职能升级启发显著增量空间，技术价值驱动增长潜力可期。
DeepSeek对网络安全产业首要影响在于沉组成本，企业需投入资金进行技术升级与系统调整，形成直接经济职守。以GA黄金甲为例，GA黄金甲产品沉构，一方面具佑装强化”作用，另一方面会将所有产品找出对应大模型利用安全产品，好比态势感知会造成什么样、数据安全会造成什么样，这个过程必要超高的研发投入。
另表一个就是大模型利用所产生安全需要，它拥有和网络安全和系统安全融合性的属性，其衍生的产品(如大模型评估系统、MAF)将逐步代替传统安全工具(如缝隙扫描产品、WAF)，形成天然的市场迭代，这一过程将部门侵蚀原有网络安全市场，但融合技术的职能扩大性使其具备更高价值贡献。
只管经济局势和客户预算可能限度现实增长(如预算不及迫使企业压缩成本)，但大模型安全技术因其超过传统职能的价值，仍有望推动20%-50%的市场增量。
GA黄金甲大模型利用安全产品矩阵
? 问题3：GA黄金甲决定接入DeepSeek的重要驱动力是什么?是出于对市场需要的判断、技术发展趋向的追随，还是其他特定的战术思考?
GA黄金甲接入DeepSeek的驱动力来自生计�；胝绞趸档乃量剂�。DeepSeek的爆火，让AI真正迈出了技术圈，成为全行业和全社会的新动能。技术驱动千行百业智能化升级了“发展」剽一翼，一体之另一翼的“安全”也必然鼓励刮风潮。AI大模型利用安全的新需要、新赛路、新板块应运而生。
正是基于这种判断，GA黄金甲选取了极为罕见的“争先颁布”模式。如相继颁布大模型利用安全产品“新三件套”(即MAF大模型利用防火墙、MASB大模型接见安全代理、MAVAS大模型安全评估系统);推出“大模型利用安全服务组合”，(即SaaS化MAVAS大模型利用安全评估服务、MASHFS大模型利用安全超融合服务、MFSOB大模型安全运营前哨基地)等，正式颁布《大模型深杜爪用安全基座》系列白皮书，如《AI-R-IAM：AI就绪的大模型身份与接见治理》《AI-R-SDLayer：AI就绪的安全数据通层》《AI-R-SOCC：AI就绪的安全合成治理中心》三份白皮书，共同组成了GA黄金甲的大模型利用安全产品矩阵，业界对GA黄金甲行动也是有积极的反馈。
我们高频次的产品颁布和产业发声，正是在践杏装不是市场在等产品，而是产品造就了市场”的产业逻辑。我们以为，这不仅是GA黄金甲的机遇，也是整个网络安全产业机遇，能够一路对“后DeepSeek时期”做出沉大贡献。
如今，GA黄金甲凭借大模型利用安全产品和服务矩阵，在大模型利用安全赛路上，已经推开了一扇门，推开了一条缝，甚至看到了里边的光，这也成功验证大模型利用安全赛路的可行性。
我们真诚但愿，网络安全等产业链各方携手，共同推动从技术验证到规模商用的跨越发展，正如哪吒、DeepSeek、悟空三个产品所示，前瞻性的技术布局可能催生全新市场，启发千亿级的新兴市场空间。
? 问题4：GA黄金甲在哪些具体网络安全场景中接入了DeepSeek(如威胁检测、缝隙治理、自动化响应等)?能否举例注明接入后效能或正确率的提升数据?
GA黄金甲已全面对接 DeepSeek 大模型。自 2 月 6 日起，颁发实现 “安星” 智能体与 DeepSeek 大模型全面对接，颁布 “新三件套”、三项 “大模型利用安全服务” 及《大模型深杜爪用安全基座》三大白皮书等。
GA黄金甲在安全场景中对接安全大模型的方式，是通过“安星”智能体实现的。通过将“安星智能体”底层的大模型切换到DeepSeek大模型服务，就很天然地实现了与DeepSeek的对接。当然为了充分利用DeepSeek的强推理能力，我们在具体场景的操作流程上也必要做些对接适配。
在具体成效上，AI 引擎将威胁检测从人为分析的幼时级压缩至分钟级，恶意软件、挖矿木马等 90% 的高频事务通过预训练决策树实现 30 秒内自动关环，缝隙建复周期从 30 天缩短至 7 天，效能直线提升。
? 问题5：DeepSeek的低成本训练是否直接降低了GA黄金甲的运营成本?能否量化接入后资源亏损(如推算资源、人力投入)的优化幅度?
DeepSeek的低成本训练指的是其钻研团队在训练DeepSeek大模型时极大降低了训练所需的算力成本，这与接入DeepSeek大模型来提升运营并没有直接的关系。唯一可能有关的是其训练成本的降低带来DeepSeek大模型API服务价值的降低，使得企业采办获取大模型API服务时的成本相应降低。
在优化提升公司运营方面，公司通过将DeepSeek接入研发平台，并成功利用于辅助编程、研发效力提升、产品缝隙汇报分析等现实出产场景，全面提升了研发、售后、知识治理等环节的工作质量、效能与效力，实现了“量质构效”的全方位升级。
DeepSeek集成过程中的挑战与对策
? 问题6：GA黄金甲将DeepSeek大模型与现有安全产品融应时，面对哪些技术挑战(如模型适配、算力需要、数据隐衷�；�)?是否必要进行定造化开发或本地化部署?
一、面对的技术挑战
为了在与此刻安全产品融合后充分利用DeepSeek大模型的强推理能力，必要通过工作流设计、提醒工程等伎俩对相应场景进行适配，以带来安全能力的有效提升。
在算力需要方面，DeepSeek满血版参数量达到671B，本地化部署所需的算力资源成本有大幅提升，因而会综合机能与业务需要、环境限度等成分思考，代替性地选用接入表部的大模型API服务，或是本地化部署DeepSeek蒸馏版等方式。
若是选择表部的大模型API服务，就必要高度关注数据隐衷防护，选取数据脱敏、数据防泄露等技术伎俩以预防私罕见据、敏感数据或幼我隐衷数据的泄露。
二、是否必要进行定造化开发或本地化部署
如上所述，为了在与此刻安全产品融合后可能充分阐扬DeepSeek大模型的强推理能力与优势，必要发展相应的适配工作，从而实现对有关安全产品能力的提升。而是否选取本地化部署则重要取决于算力资源、数据合规等多方面成分，例如，当本地算力资源不及、不处置敏感数据时，能够选取表部的DeepSeek大模型API服务;反之，当数据合规要求高且本地算力资源充足时，则应选取本地化部署的方式。
? 问题7：DeepSeek在推理能力与通用工作处置上存在肯定差距(如单一问题可能“过度思虑”)，GA黄金甲若何通过技术伎俩(如模型蒸馏、混合挪用)躲避其局限性?
模型优化与适配：通过场景微和谐大量安全数据训练，使模型把握安全工作关键特点，优化推理逻辑，更符合安全领域需要，提升正确性和效能，削减 “过度思虑”。
多模型协同：结合分歧优势模型添补单一模型不及。处置通用工作时，单一问题用轻量级模型急剧解决，复杂问题由 DeepSeek 深刻分析。如在大模型利用防火墙产品中，常见安全威胁用轻量级检测模型鉴别，新型复杂威胁借助 DeepSeek 强推理能力判断，加强安全防护。
技术融合创新：将知识图谱与 DeepSeek 结合，提供丰硕布景知识，助其正确理解工作和推理。处置安全问题时，知识图谱提供专业知识，让 DeepSeek 急剧找到信息，预防单一问题 “过度思虑”，提升复杂问题处置能力。
? 问题8：政务与金融领域对数据隐衷要求极高，GA黄金甲在接入DeepSeek时若何确保模型训练与推理过程中的数据安全?是否选取私有化部署规划?
我们充分思考到政务与金融领域对数据主权和安全的高要求，会凭据客户现实需要提供数据安全防护或私有化部署规划。
对于数据安全合规要求高的场景，通过将 DeepSeek 模型部署在客户本地的安全环境中，所罕见据处置和运算都在本地实现，不与表部网络进行数据交互，可能预防数据流出带来的安全风险。这样一来，客户可能齐全掌控数据和模型的运行，极大提升数据的安全性和保密性，满足政务与金融领域严格的数据隐衷�；ば枰�。
而对于处置的数据不敏赣注数据安全合规压力相对较低时，能够选用表部的模型API服务，并搭配之前所介绍的大模型利用安全产品“新三件套”及“大模型利用安全服务组合”等实现有效的数据安全防护。
? 问题9：近期针对DeepSeek服务的网络攻击频发(如DDoS、僵尸网络攻击)，GA黄金甲是否为此造订了专项防护战术?若何平衡模型盛开性与系统安全性?
公司第一功夫关注到DeepSeek服务有关的网络攻击事务：对于DDoS、僵尸网络攻击等非大模型服务所特有的攻击，公司一向有成熟的解决规划及配套的安全产品及服务提供;而对于大模型服务特有的越狱攻击、模型窃取攻击等，公司也急剧推出了之前所介绍的大模型利用安全产品“新三件套”及“大模型利用安全服务组合”等，补全有关安全防护能力与战术。
模型盛开性对技术进取意思沉大，它让分歧开发者、钻研人员基于现有模型创新，推进知识共享与技术迭代。如在医疗领域，盛开的医学影像分析模型可被全球科研人员共同优化，提升疾病诊断正确性。而系统安全性是数字活动正�７⒄沟幕�，若得不到保险，企业会晤对数据泄露，幼我隐衷受加害，甚至影响国度关键基础设施不变运行。
为保险安全，可从多方面着手：一是接见节造与权限治理，成立严格身份验证机造，像多成分身份验证，且遵循最幼化权限准则。二是数据治理，数据加密是关键，同时注沉数据匿名化和脱敏。三是在模型安全设计与监控上，融入安全理想，选取安全架构和算法，成立实时监控系统。四是缝隙治理与更新，定期缝隙扫描，实时建复，且模型和软件要实时更新。五是对用户和开发者进行安全意识培训与教育，让用户正确使用系统，开发者把握安全技术和规范。六是造订应急响应预案，明确处置流程，定期备份模型和数据，成立靠得住复原机造。
? 问题10：天生式AI的“幻觉问题”可能导致安全研判误判，GA黄金甲若何通过技术或流程设计(如人为复核、多模型交叉验证)降低此类风险?
在技术层面，我们选取多源数据验证，因大模型利用安全环境复杂，涉及私域数据、工具及部门间数据交互。安全研判时，网络多源数据交叉验证，如结合网络流量、系统日志及人为核查信息判断安全情况，降低 “幻觉问题” 导致的误判风险。同时，强化模型训练，从大模型自身安全启程，优化训练数据和方式，提升模型正确性和靠得住性。网络大量正确、多样化且标注的安全数据训练模型，让其进建真实、全面的安全特点，削减 “幻觉” 景象。
在流程设计上，成立复核机造，像传统安全领域漏扫与评估产品相互验证一样，对大模型天生的安全研判了局进行复核，实时发现纠正误判。此表，器沉人为过问与监督，在安全运营关键环节铺排专业人员审核大模型了局，如金融行业安全运营中，人为详细审查大模型安全分析了局，结合专业知识经验判断误判情况，最大水平降低 “幻觉问题” 对安全研判误判的影响。
开源共建与行业竞争的关键维度
? 问题11：DeepSeek强调开源生态共建，GA黄金甲是否打算与其发展更深度的技术合作(如结合训练垂直领域模型)?若何评估此类合作对行业尺度造订的影响?
目前，对于与 DeepSeek 发展深度技术合作，蕴含结合训练垂直领域模型，我们在评估可行性，若是有机遇的话我们很愿意与DeepSeek共建生态。大模型技术发展快，我们维持盛开态度索求合作机遇。若合作，会综合考量。
一方面，看技术优势是否互补，DeepSeek 在开源有优势，我们在安全领域经验丰硕、数据量大，合作有望在安全前提下开发适合垂直领域利用的模型;另一方面，合作要符合业务战术，助力大模型利用安全等主题业务发展。
从行业尺度造订角度看，这类合作或产生积极影响。若结合训练模型，合作中涉及的数据使用、模型训练规范、安全保险等问题，所造订规定和尺度可能成行业参考。像数据使用规范上，思考数据起源合法性、隐衷�；さ�，这些规范在合作中确定有效，可为行业数据使用尺度造订提供思路。且合作成就若宽泛利用，会促使行业萦绕成就成立评估尺度和质量规范，推动行业尺度美满统一。
? 问题12：当前网络安全厂商普遍接入同类大模型，您以为将来行业竞争的关键会从“模型机能”转向哪些维度(如场景适配能力、服务响应快率)?
如今，网络安全厂商普遍接入同类大模型，“模型机能” 已非竞争唯一关键，将来竞争将聚焦多个新维度。场景适配能力至关沉要，各行业客户安全需要差距大，如金融机构对数据保密性等要求严苛，工业企业侧沉保险出产系统不变。厂商只有深刻相识行业个性，急剧适配大模型技术到具体场景，提供定造化安全规划，能力获客户青睐。服务响应快率是主题竞争力，安全威胁突发性强，出现问题时急剧响应解决至关沉要。
厂商需具备高效安全监测系统实时发现威胁，更要有急剧应急处置机造。数据质量与治理能力不成忽视，大模型训练利用离不开高质量数据，占有丰硕、正确、合规数据及壮大治理能力，能优化大模型机能，提升安全分析正确性靠得住性。安全运营与守护能力也是竞争关键，大模型利用安全需专业团队持久运营守护，能提供全方位安全运营服务，蕴含实时监控等，助客户有效治理安全风险的厂商，将占市场优势。
AI大模型与网络安全融合的终极状态
? 问题13：您若何对待AI大模型与网络安全融合的终极状态?是否可能实现齐全自主化的安全防御系统?
一、终极状态
AI大模型与网络安全的融合能够分为两个方面，即AI大模型安全防护以及AI大模型赋能网络安全。
对于前者，GA黄金甲 AI 安全的 slogan 形象描述了终极钻营：即“让每一句人机对话都安全可信，让每一次智能交互都风险可控——这是属于AI时期的安全承诺。”而对于后者，在这里，借鉴中国移动杨杰董事长在 2025 年工作会议中提出的关于AI 沉塑需要、出产和经营方式的概想，即扭转供需关系、扭转出产和经营方式、以及扭转创新模式。以DeepSeek为代表的AI大模型，将极大地加强安全领域的自动化水平，扭转现有的安全服务模式和安全产品创新模式，推动整个行业向更高效、更智能的方向发展。
二、可能实现齐全自主化的安全防御系统
随着AI大模型技术的持续发展，尤其是将来某个时刻所谓的通用人为智能(AGI)的真正出现，将可能会实现齐全自主化的安全防御系统，但如今的AI大模型技术还存在好多不及，仍有肯定的差距。
然而，我们也要把稳到另一面，也就是AI大模型技术的发展同样也将带来齐全自主化且可能不休进建进化的网络攻击系统，网络攻防的博弈在AI时期也仍将持续，不成能由于所谓的齐全自主化的安全防御系统的诞生就终结了网络安全问题。
文章引自于ITPUB网站
京公网安备11010802024551号