AI 进威胁情报 · 谁负责问,谁负责答
原创
Gaojin
Gaojin
网络与信息安全参考
2026年11月2日 08:00
山东
去阅读
CHANNEL WEBINAR2026.10.21
AI 进威胁情报 · 谁负责问,谁负责答
卡巴斯基全球内部在线研讨会实录:三层产品矩阵、四类用例、三种 AI 用法,以及一次完整的自动化调查演示。
31 SLIDES
模型会犯错,但证据不会。
威胁情报AI 落地
EDITOR'S NOTE
阅读约 8 分钟
2026 年 10 月 21 日,卡巴斯基进行了一场闭门网络研讨会。主讲人是威胁情报业务发展经理 Oleg Shaburov,他给这 31 页幻灯片起的标题带点挑衅意味——AI in Kaspersky TI: to use, or not to use? 用,还是不用。整场讲完,答案既不是「用」也不是「不用」,而是「分工」。
01
PART
情报到底在卖什么
WHAT YOU ARE ACTUALLY BUYING
卡巴斯基把威胁情报拆成三层:战略层回答「谁在打我们、为什么打」,运营层回答「这起事件是谁干的」,战术层回答「现在该拦什么」。同一批原始数据,在这三个时间尺度上被加工成完全不同的产品形态。
战略层是数字足迹情报、威胁情报报告(APT、犯罪软件、ICS 三条线)和基础设施追踪;运营层是威胁分析(沙箱、归因、相似性比对)、问分析师和下架服务;战术层是威胁数据源、CyberTrace 和威胁查询。三者不是三条独立产品线,而是同一条数据管线的三个出口。
图 1|威胁情报产品矩阵:同一情报池的三个时间尺度
理解这一点,才理解为什么「买情报」这件事经常买错:企业想要的是结论,却按条数采购了 IOC。
研讨会上,Shaburov 把采购动因归结为四类问题。构建威胁全景,问的是对手是谁、手里有什么武器;攻击面识别,问的是对手已经掌握了你多少信息、会从哪里下手;攻击检测,问的是我们到底掌握了什么、怎么保证不漏;事件分析,问的是零散线索怎么串成一条线、告警怎么定级。
图 2|四类典型用例与它们各自的问题
四个问题,对应四种完全不同的交付形态。全景需要报告和趋势,攻击面需要外部视角,检测需要可执行的规则,事件分析需要能把单个指标扩展成完整叙事。同一份情报,答错问题就等于没用。
情报本身不解决问题。 它只是把「我不知道」变成「我可以查」——而能不能查、查多快,取决于是谁在问、以什么形态交付。
02
PART
同一套情报,三种买法
THREE BUYERS, THREE SHAPES
研讨会用一张对照表把客户分成了三档,逻辑不是按营收规模,而是按有没有专职的威胁情报职能。
顶级企业
精英级安全部门、专职威胁研究团队、应急响应团队齐备,甚至自己生产情报:不只是消费,还把数据对外输出。他们要的是原始数据和 API、最大深度、尽可能广的覆盖。
成熟企业
有成熟 SOC 和 CTI 小组,商业与开源情报多源并用,情报已经嵌进 IR、威胁狩猎、红紫队演练和风险管理。他们不缺数据,缺的是集成效率,以及指标背后的上下文。
中型企业
有安全部门,但没有专职 CTI 团队,SOC 要么很小要么外包,流程碎片化,产品选型高度受预算约束。他们买情报是为了给既有安全控制加一层判断,要的是简单、开箱即用、少人工、结论清晰可执行。
这三档决定了同一款产品要交付出三种形态。给顶级企业一份摘要,等于什么都没给;给中型企业一份原始数据流,等于把问题原样退回。
03
PART
AI 的三种用法
TO USE, OR NOT TO USE
AI 进入威胁情报,最容易被讲成「帮你写报告」。卡巴斯基给的三个用例要具体得多。
用例一 · 查人
在威胁情报门户里调查一个行为体,把零散的报告、技术、样本、基础设施拼成一个人的画像。
用例二 · 查指标
给一个 IP 或哈希,快速定性它是什么、和谁有关、此前是否出现过。
用例三 · 接自己的模型
把门户里的情报做成 AI 可读的形态,通过 MCP 暴露出来,企业用自己的大模型、智能体、数据库和文件去调用。
前两个用例的本质是把「检索 + 阅读」这一段压缩掉。第三个用例才是重点——它把边界问题摆到了台面上:既然模型能读,那它读的到底是什么?
威胁研究与事件定级,跑在卡巴斯基独有的数据上,而不是跑在模型碰巧记住的东西上。这是整场研讨会真正的论点。
大模型对威胁行为体的「记忆」来自公开语料,滞后、模糊、而且不可追溯。情报厂商的价值不在于替模型补习,而在于给模型一个可以引用的证据库。
04
PART
一次告警,四个问题
ONE ALERT, FOUR QUESTIONS
研讨会的后半段是一个完整演示,日期标在 10 月 14 日。
SIEM 弹出一条高危告警:内网主机 FIN-SRV-07 在 09:42 外连 203.0.113.47:443,命中已知 C2 地址。CyberTrace 随即补上上下文——这个地址命中卡巴斯基威胁数据源,属于 Cobalt Strike 的 C2,疑似 3AM 活动。
3AM 是 2023 年 9 月首次被披露的勒索软件即服务变种。卡巴斯基在勒索软件年度报告里记录过它的两个细节:命令行接口相当完整,以及一个「访问密钥」机制——样本必须拿到密钥才能执行,专门用来对抗自动化沙箱。它的附属团伙惯用 Cobalt Strike 建立初始据点,这条告警的形态和这个背景正好吻合。
接下来是演示的关键动作。分析师没有打开四个页面分别查,而是写了一条提示词,把四个问题一次问完:3AM 是谁、对我们有没有关系;SIEM 该补哪些检测;EDR 该 hunt 哪些文件;防火墙该封什么。
图 3|从一条 SIEM 告警到四份报告草稿的完整链路
输出的是一份分页 HTML 报告,四张标签页:概览给出行为体档案(编号 A0176)、12 项技术和 2 个关联样本;SIEM 标签给出 7 条检测规则草稿;EDR 标签给出 3 个文件、9 个哈希,关联样本均判为红区恶意;防火墙标签给出阻断清单和出向策略。
演示里最值得记的一句,是它的自我披露:整轮跑下来共 7 次尝试,其中 1 次重试、3 次深度请求失败。
一个厂商愿意把失败次数摆在台面上,说明它对这套东西的定位很清楚——TIP 出证据,模型出草稿,人出判断。报告全部标注 DRAFT ONLY,不自动应用任何变更。这不是「AI 替代分析师」,是把分析师的取证半径缩短到一条提示词。
05
PART
产品侧的更新
WHAT SHIPPED
门户的 AI 能力
威胁行为体档案开始带 AI 摘要,档案本身随新报告持续更新动机、技术和技战术细节;AI 搜索与摘要扩展到外部开源情报,能把与目标实体相关的数据捞出来、排序、给出一段可读结论;威胁查询也加了 AI 摘要,让单点指标更快定性。此外,远程 MCP 覆盖整个威胁情报门户——这也是上一节那个演示的技术底座。
沙箱支持按哈希分析
客户不用再把样本上传到门户,直接用哈希就能拿到文件分析报告。对不允许样本外发的环境来说,这是个不小的流程简化。
许可证互赠
KTL 客户每年获得 10 个 TA 许可,TA 客户每年获得 100 个 KTL 许可。逻辑直白:让两条产品线互相导流,而不是让客户在预算里二选一。
数字足迹情报拆成两档
两档在覆盖范围上有明确分工,差价买的是数据源类型。
覆盖范围
DFI Lite
DFI 完整版
暗网论坛、Telegram
✓
✓
第三方泄露、公开 paste
✓
✓
被盗账号(ULP 集合)
✓
✓
漏洞与错误配置
✓
✓
勒索软件博客、行业论坛与网站涂改
—
✓
失陷账号的信息窃取日志
—
✓
被入侵的访问权限、银行卡与代码泄露
—
✓
恶意活动与被动 DNS
—
✓
两档都包含无限资产管理、实时威胁通知、暗网搜索与每日 50 次威胁查询、威胁全景与 Research Graph、10 条 Whois 狩猎规则、一次专家入驻电话,以及用于集成的 API。
供应链情报(加购项)
思路是把第三方——供应商、承包商、合作伙伴——的域名和公司名当作资产加进去,在暗网论坛、Telegram 和勒索软件博客上持续监控,一旦出现「已失陷」「计划攻击」「已获取访问权限」这类信号就报警。分 10、30、50 个资产三档,先知道,再评估影响,最后处置。
///
END
这是个定位问题
TO USE, OR NOT TO USE
这场研讨会的标题是个二选一,内容却是一个定位问题。AI 在威胁情报里的位置,不是「代替分析师判断」,而是「替分析师读书」。它把原本要翻十几个页面、读几十份报告才能拼出的上下文,压缩成一次检索和一段草稿;它不负责结论的正确性,只负责让结论有据可查。
对采购方来说,这意味着评估维度要变。过去比的是谁的数据多、谁的覆盖广,现在还要多问一句:你的情报能不能被模型读取、能不能被引用、能不能落到我的检测规则里。
数据量是库存,可调用性才是产能。
更多 山东区域 卡巴斯基 威胁情报 详情,请联系:
高进 - 186 6376 1060
如果你觉得今天这篇有收获,欢迎点赞、在看、转发三连,我们下篇见。
赞
在看
收藏
THANKS FOR READING
版权声明
本站仅做备份收录,仅供研究与教学参考之用。
读者将信息用于其他用途的,全部法律及连带责任由读者自行承担,本站不承担任何责任。










评论