網絡安全中的攻防一直是矛與盾的關系，它們是相互對立且不斷發(fā)展的。當大模型重塑產業(yè)形態(tài)時，網絡安全的“攻防邊界”正在被悄然改寫，開始上演一場在用魔法打敗魔法的戰(zhàn)爭，但最終誰會勝利，不得而知。
作為承載億量級用戶隱私數據、依托自動化場景運轉的物流行業(yè)來說，既面臨傳統網絡攻擊的持續(xù)侵擾，又需應對大模型衍生的新型安全風險。如何在技術創(chuàng)新與安全防護間找到平衡？
近日，順豐科技網絡安全總監(jiān)梁博在專訪中，以甲方視角拆解了大模型爆火后，物流行業(yè)存在的安全痛點、分享了順豐科技的應對策略，并深度探討了網絡安全生態(tài)的缺口與未來方向，為行業(yè)提供了極具參考價值的實踐路徑。
物流行業(yè)的“權限與風險”困局
物流行業(yè)的網絡安全威脅并非新生事物，傳統網絡攻防的各類技戰(zhàn)術在此均有體現。
梁博表示，大模型的出現讓網絡安全威脅呈現出與了以往截然不同的特征，核心風險集中在“大模型本身”及“其衍生生態(tài)”，且在與物流場景的深度綁定中被進一步放大。
從大模型自身特性來看，主流大模型基于Transformer架構構建，這種自注意力機制使其天然存在不確定性，原生面臨著“提示詞注入攻擊”等新型威脅。攻擊者通過上下文誘導，就可以讓大模型輸出錯誤信息，甚至做出錯誤決策，也就是大家常說的“胡說八道”。這種攻擊的門檻低、影響大且直接，傳統安全防護手段難以提前預判與攔截。
但他也不得不承認，處在大模型時代，不發(fā)展是最大的不安全，任何行業(yè)任何企業(yè)都要趕上大模型的發(fā)展形勢，否則很可能被直接淘汰。
目前，物流行業(yè)正在將Agent廣泛應用各種核心場景：智能客服可以根據用戶授權操作直接調用戶訂單號，并獲取更多敏感數據以回應簽收查詢；此外，無人配送車、樓宇配送機器人也成了物流行業(yè)的標配。
那Agent究竟是如何引發(fā)安全隱患的？毋庸置疑的是，在諸多場景中，Agent的“高權限”是效率保障，但也形成了巨大安全缺口。如何判斷Agent獲取的用戶電話是否合理？如何界定其是否越權讀取無關訂單數據？
如今，包括防火墻、WAF等在內的傳統安全技術和設備，對這類自動化、場景化的行為已經無法實現實時有效的防護攔截。
“大模型的發(fā)展速度遠超安全規(guī)劃建設的進度”梁博強調，無論是智能客服的敏感數據交互，還是無人系統的戶外權限管控，本質都是“效率與安全的博弈”：若為追求效率放寬權限，用戶隱私與業(yè)務安全將面臨威脅；若為保障安全收緊管控，又會削弱技術對物流行業(yè)的賦能價值，這種矛盾在物流行業(yè)尤為突出。
以攻促防，實戰(zhàn)守護數智物流網絡安全
面對大模型帶來的新挑戰(zhàn)，梁博表示，無論技術如何演變，安全的基本原理不變。傳統網絡安全治理框架，同樣適用于大模型等新場景。
為此，順豐科技采取了一套系統化、流程化的治理方法，其核心是“先理清家底，再針對性防護 。”資產識別和風險管理是第一步，首要任務是看的見，通過主動測繪、API與源碼分析、流量分析等技術手段，徹底搞清楚企業(yè)內部大模型生態(tài)的完整情況，包括大模型的應用，大模型的場景，Agent智能體。
其中，威脅情報是關鍵因素，其核心價值在于可以提供可理解、可執(zhí)行的上下文，而非模糊的告警。高質量的情報則能指導具體的行動，比如打補丁、設規(guī)則等，起到知己知彼的作用。
情報生產方面，順豐科技利用AI技術從外部攻擊和開源信息中自動化提煉情報。情報消費層面，其將外部情報與內部資產關聯，通過知識圖譜技術，理解一個漏洞或威脅對自身業(yè)務鏈的實際影響，從而實現精準行動。
“實戰(zhàn)是檢驗網絡安全的唯一標準”，這是順豐科技內部一以貫之的安全理念。同時，梁博也分享了網絡安全應對策略。他表示，順豐的體量大，場景豐富，面臨的安全挑戰(zhàn)也相對嚴峻。面對大模型帶來的新型威脅時，順豐不單單依賴單一技術或解決方案，而是以實戰(zhàn)為核心驅動。
一方面，通過威脅情報，同行交流，監(jiān)管指導等方式，掌握更全面的風險。另一方面，基于這些風險，主動通過每季度內部紅藍對抗、每年邀請外部多久TOP攻擊隊演練和參加國家級實網攻防演練，加之分析外部APT報告、同行安全案例，了解更高級的安全威脅。
“通過這些實戰(zhàn)方式，逐漸完善內部安全體系，并在實戰(zhàn)中驗證其是否能達到預期。此外，我們還建立了深度復盤機制，將實戰(zhàn)中發(fā)現的問題轉化為改進任務，形成閉環(huán)管理，推動安全體系持續(xù)迭代。”梁博補充道。
他坦言，安全運營是順豐內部長期的痛點，往往需要投入大量的人力去做。因為之前沒有大模型，大部分場景很難通過自動化的方式實現。近兩年我們基于大模型研發(fā)了自動輔助研判的駕駛的安全機器人，自動化率提升至30%，但考慮到大模型仍存在幻覺問題，我們做了大量的兜底措施，諸如設置特定的提示詞，嚴格限制自動化研判的場景。目前內部80%左右的安全場景已經能完全由大模型來研判。
多方聯合彌補網絡安全生態(tài)缺口
作為甲方企業(yè)，梁博對當前網絡安全生態(tài)的“斷層”有著深刻認知。行業(yè)內有一個經典的“威脅情報痛苦金字塔”理論（Pyramid of Pain）：金字塔底層是攻擊IP、域名、郵箱等，中層是攻擊者使用的工具與技術，頂層是攻擊者的技戰(zhàn)術、技術、流程等，越往上層的對抗措施對攻擊者的干擾越大，讓甲方的防御更有主動性。
但目前整個行業(yè)的情報消費仍處在痛苦金字塔中底層階段，難以觸及頂層。主要原因在于：其一，生產與需求不匹配。高級技戰(zhàn)術情報的生產需要資深安全專家投入大量精力（僅依賴自動化&AI手段，準確率、召回率往往不足30%），而需求僅集中在少數企業(yè)群體中，投入產出比低，導致乙方缺乏生產動力。
其二，設備能力局限。當前主流安全設備，包括防火墻、終端EDR等仍局限于處理IOC級別的威脅，無法支持更高級別的檢測。比如，根據流量中的Cookie、UA字段匹配等很難落地到現有設備中實現有效防御。
其三，接口與標準的缺失。多數安全設備僅開放了數據接口，未開放檢測、分析、處置能力接口，甲方無法將更高級別的情報轉化為設備可執(zhí)行的動作，比如hunting行動、針對性防護檢測規(guī)則等。
對于未來與乙方的合作，梁博期待行業(yè)能共同推動兩大方向：一方面，希望乙方加大對高級情報的研發(fā)投入，探索更高效的生產模式，降低甲方消費門檻；另一方面，期待設備廠商升級產品能力，開放更多的深度檢測與處置接口，并有可落地的行業(yè)情報質量標準進行牽引，讓高級情報真正實現可落地、可執(zhí)行。
寫在最后
在大模型技術持續(xù)演進的當下，物流行業(yè)的網絡安全沒有“一勞永逸的答案”。
正如梁博所言，安全建設需要“直面挑戰(zhàn)、快速迭代”——既要用成熟方法論管控新場景，又要通過實戰(zhàn)持續(xù)優(yōu)化防護體系，更需聯合行業(yè)力量補齊生態(tài)缺口。順豐的實踐證明，唯有在“守”住安全底線的同時，積極“破”解新型風險，才能在技術創(chuàng)新與安全防護的平衡中，為物流業(yè)務保駕護航，也為行業(yè)提供可借鑒的安全范式。
