行业资讯｜AISOC 走到智能体这一步：海外的难题是治理，国内的难题是落地

原创

JUN哥
JUN哥

君说安全

2026年11月8日 11:02
贵州

去阅读

前言

AISOC 走到智能体这一步：海外的难题是治理，国内的难题是落地

多一度思考，见网安本质！

“AISOC ：海外的难题是治理，国内的难题是落地*”*

2026 年 9 月的 Fal.Con 上，CrowdStrike 总裁 Michael Sentonas 说了一句话：我们用的软件已经变成了一个行动者（The software we use has become an actor）。

这话放在两年前，大概会被很多圈内人士当成夸张。

但现在，这句话现在已经被行业内默认接受。

11 月 3 日，CrowdStrike 又宣布以约 4 亿美元收购 AI 监控与治理厂商 Fiddler AI。

前者讲威胁模型在变，后者说明它自己也知道，卖出去的智能体需要另外一套东西来管。

这一次，CrowdStrike 补的是 “管智能体” 这一环

CrowdStrike 把分散的 AI SOC 能力收进了 Falcon 的 Agentic Security Platform。

组件不算新：Charlotte AI AgentWorks、MCP 集成、Enterprise Graph 都是 2025 年 “Agentic Security Workforce” 计划里提过的东西。

Charlotte AI 给智能体加了一层共享记忆，多个智能体可以同时跨终端、身份和云服务协同；2025 年收购 Onum 之后，数据摄入速度也提上来了。

落到具体效果上，告警初筛变快了，部分 L2 调查以及 L3 处置、狩猎工作被AI大模型接管。

SafeMind 是另一个新增项。

它基于 Nvidia 的 Nemotron 开源权重模型，分攻击侧（Red Tempest）和防守侧（Blue Solano），在隔离的镜像环境里持续找弱点，把结果回灌到智能体层的检测。

这个思路不算首创，但从公开信息看，CrowdStrike 是第一家把自动测试模型嵌进 SOC 平台本身的厂商。

真正值得留意的是 Falcon Guardian，一套 AI 检测与响应（AIDR）能力，做运行时管控、智能体发现、执行图映射和隔离。

安全系统需要自己的安全围栏，这件事本身说明智能体已经成为企业内部的攻击面。

Fiddler 的收购计划并入 Falcon Observe，时间点放在 FY2027 第四季度。

它的 100 多项指标覆盖幻觉、有害内容、PII 泄露和模型漂移，也能对越狱、提示词注入做策略拦截。

Gartner 给这轮投入提供了规模依据：一家财富 500 强企业内部的智能体数量，会从 2025 年的 15 个涨到 2028 年的 15 万个。

海外同行先争起来的两个问题

第一个问题是速度不是全部。

FIOR Group 的 CTO James Patrick 说得直接：攻防双方都能跑到机器速度，单纯让 SOC 更快不够。

SANS 研究所的 Chris Cochran 把矛盾讲得更清楚，SOC 需要同样的输入产生同样的动作，动作还要能向审计人员或事件复盘委员会解释；而智能体是概率性技术。

这两件事放在一起，天然别扭。

所以他的判断是，接下来几年智能体对分析师是增强，不是替代。

工作量会从处理告警转到验证，用已知好、已知坏的用例持续评估智能体，像回归测试检测内容那样。

这套工程活不新鲜，但多数 SOC 没给它编预算。

第二个问题是平台不能自证。

Patrick 的说法是，任何厂商的激励都是把客户往自己平台里带，而平台无法独立验证自身的安全与性能，需要的是跨平台、独立于单一厂商的控制层。

这条对国内同样成立，只是国内还没走到这一步。

国内的进度：产品齐了，交付参差不齐

翻开IDC 2026 年 6 月的《中国安全运营智能体厂商评估》，领导者象限里是阿里巴巴、360 数字安全集团、深信服、火山引擎、启明星辰、绿盟科技等头部安全企业；

AISOC主要玩家包括新华三、长亭、亿格云、华为、斗象、威努特、领信数科、未来智安等。

这个分布说明，安全运营智能体在国内已经做成了产品线，不再只是炒作概念。

启明星辰的 Agentic SOC 2026 年 2 月落地某省级银行，4 月对外讲 “从副驾驶到自动驾驶”，走多模型路线，算力和 “九天” 大模型依托中国移动。

奇安信的安全运营数字员工主打兼容 NGSOC 及第三方 SOC，7×24 小时自主研判加标准化处置，把 “买了设备运营不起来” 当成靶子。

微步 9 月 22 日发布 OneSOC，自称国内首个 AI 原生 SOC，6 个专精 Agent 分工，预集成 100 多个安全设备，3 到 5 天完成环境学习。

华为 4 月 28 日在开罗发布星河 AI 网络安全 Agentic SOC，以 HiSecLLM 为核心，给出的口径是未知威胁带来的业务中断风险降低 95%。

安恒的恒脑走智能体开发平台的路子，强调多智能体协同、过程可观测、凭据管理和 Token 计量，这些是企业级能力，不是演示能力。

形态上，国内和海外出现了同一个词：AI员工或数字员工。

但AI的底层差别不小。

微步在发布材料里把现状分成三类：没有 SOC 的，有传统 SOC 的，有 SOC 又挂了个 AI 的。

第三类最普遍，底层架构没动，AI 只能当副驾驶，每个数据孤岛又多出一个 AI，孤岛反而更结实。

外挂式智能体只拿得到告警摘要，拿不到原始上下文，这是研判不准的直接原因。

同一份材料还引了一组行业调研数据：70% 的大型 SOC 试点过 AI Agent，只有 15% 取得了可衡量的提升。

可量化的部分，国内已经有样本

《邮电设计技术》2026 年第 9 期刊过一篇运营商省级分公司的实践。

其部署AI SOC前，日均告警 42046 条，误报率 92.3%，有效告警 3239 条；上线 AI 降噪之后，推送人工处置的告警降到 3829 条，其中有效 3147 条，误报率 17.8%。

模型侧用的是逻辑回归、随机森林、XGBoost 融合加规则引擎二次校验，训练集是近 6 个月的 2.4 亿条历史日志。

厂商侧的样本数据更激进。

微步的 Flocks AI 安全运营挑战赛里，冠军绿城集团战队一个月内落地混合云 AI SOC，告警压降率 99.87%，完成 1.66 万次自动研判，单日 34 万条告警收敛到 263 条真实风险。

这些数字说明降噪在国内已经跑通。

但它们量的都是少推了多少条，不是少错了多少条。

压降率和误报率可以同时好看，只要把不确定的告警留给人工。

而人工兜底的比例有多高，几乎没有厂商在发布会上披露。

这个问题在 SANS 那套可解释、可复现的标准下会被追问，在只看降噪率的验收里则不会。

智能体自身的安全，国内刚起步

国内安全大模型卫士针对大模型和 AI Agent 的数据泄露、提示词攻击、违规内容、模型滥用，支持纯软件和软硬一体两种形态，称已在政企、金融、能源、军工等行业规模化落地。

在智能体自生安全上，绝大部分厂商讲的是智能体有身份、行动有边界、责任可追溯。

这些能力，聚焦来看，主要针对的是外部对智能体的攻击。

而alcon Guardian ，则解决的是另一件事：我的智能体自己乱来怎么办，权限是什么、能碰哪些数据、动作能不能回滚、出问题能不能隔离。

后者需要运行时可见性、执行图和隔离机制，国内的产品化程度明显更低。

在笔者看来，目前国内大部分售前，常把这两件事常被混在一起讲。

但两种机制，在采购和验收的口径完全不同。

责任边界的界定同样没有现成答案。

一个智能体在凌晨两点决定隔离一台生产终端，谁批准的、依据什么、事后谁签字，现有的制度和审计模板里找不到对应条目。

等保和内部审计要求可追溯，而智能体的决策过程是概率生成的，两者之间还缺一层工程实现。

三个行业观点

一是第三方评测。

IDC 的 MarketScape 评的是厂商能力，不是单个智能体在客户环境里的表现。

如果 2027 年出现独立于厂商的智能体行为审计或红队测评服务，说明这个市场开始有外部约束。

二是披露口径。

厂商愿不愿意把智能体自动处置占比、人工复核率、误处置率单列出来，比压降率更能说明产品成熟度。

目前多数发布会只讲前者。