鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

Fortinet 2025年终媒体会:共赴AI驱动网络安全新时代

编程导航
编程导航
2025-12-22 23:51
阅读 184
编程导航
2025-12-22 23:51
阅读 184

【TechWeb】12月22日消息,近日,专注推动网络与安全融合的全球性综合网络安全解决方案供应商 Fortinet,在京举办 2025 年终媒体会。恰逢公司成立 25 周年、进入中国市场 23 年的重要节点,Fortinet 中国区总经理李宏凯、中国区技术总监张略、北亚区 OT 业务负责人王宏善及首席攻防专家王涛等悉数出席,共同回顾2025年网络安全行业关键词,深入展望2026年网络安全图景,并深度解析公司在AI驱动安全领域的战略规划与技术成果,全面展示Fortinet从集成化安全平台到AI驱动自动化防御的演进之路。

稳健增长,平台战略筑牢企业安全底座

李宏凯在分享中指出,尽管全球市场环境复杂多变,Fortinet依然凭借其“集成化、自动化、智能化”的平台战略实现增长。截至2025年,Fortinet全球客户数量已突破90万,员工规模超1.5万人,成为全球最大的一站式网络安全平台提供商之一。《财富》100强企业中,80%选择采用Fortinet解决方案,印证了其技术架构在企业复杂环境中的卓越适应性。


Fortinet 中国区总经理 李宏凯

“安全技术的演进必须稳健务实。Fortinet不会追逐短期技术热点,而是以统一操作系统 FortiOS 为核心,构建覆盖安全网络、统一SASE、AI驱动安全运营的融合架构,坚持将每一类产品深度集成至Security Fabric统一平台中,这正是我们在过去25年,尤其是近两年市场波动中保持增长的核心,”李宏凯强调。2025年,Fortinet的统一SASE、AI驱动的安全运营(SecOps)与OT解决方案成为增长最快的业务板块。

攻击工业化,防御应迈向机器速度时代

张略在解读《2026年网络威胁趋势》报告时指出,网络攻击已进入以“规模化、自动化、武器化”为特征的“攻击工业化”时代。在这一阶段,攻击者利用生成式AI批量制作钓鱼邮件、自动挖掘并利用漏洞,将攻击周期从数月压缩至分钟级,实现多轮次、大规模协同攻击。攻击技术本身不再是核心门槛,攻击的规模与速度成为更关键的威胁维度,OT环境等成为首要目标。报告预测,2026年专为犯罪设计的自主智能体将大量出现,攻击速度与规模将呈指数级跃升。



Fortinet中国区技术总监 张略

面对威胁态势的量变,张略强调,防御体系必须同步升级至“工业化”水平——即以全球威胁情报为驱动,实现自动化侦测、实时响应与策略动态优化。Fortinet依托其“融合”与“整合”的双重基因,将FortiGuard全球威胁情报、AI增强分析平台与人机协同运维体系深度结合,把安全能力嵌入网络的每一个节点,构建起统一平台下的集中安全管理框架。这一体系能够将威胁处置效率从传统的“数天”提升至“分钟级”,真正实现“以AI的速度对抗AI攻击”,推动网络安全防御全面迈入“机器速度”时代。

OT安全新前沿 坚实保障工业数字化转型

王宏善分享了OT安全领域的最新进展。他指出,OT系统普遍面临系统老旧、兼容性困境、人才断层和替代成本高等挑战。Fortinet凭借在Gartner多项评估中的领导者地位,以及创新的IT/OT融合解决方案,为制造行业提供全方位防护。


Fortinet北亚区 OT 业务负责人 王宏善

展望未来,王宏善介绍了三大前沿OT安全应用:工业容器防火墙,嵌入工业制造商等设备内核实现虚拟化防护;工业5G安全,为智能制造的私有5G网络提供隔离与防护;船舶SASE,通过全球PoP点为远洋船舶提供实时安全运维与轨迹优化,助力中国船舶制造业走向全球。Fortinet 已在这些领域落地标杆项目,助力客户实现安全与业务的双重推进。

AI赋能安全运营 构建未来安全新生态

首席攻防专家王涛系统阐释了Fortinet“AI for Security”(人工智能安全)与“Security for AI”(安全的人工智能)双轨战略,并围绕三大AI能力支柱展开实战化演示,展现从威胁识别到响应的全流程智能化升级。


Fortinet中国首席攻防专家 王涛

在“AI for Security”方面,FortiAI-Protect依托FortiGuard全球威胁情报与AI能力,实现对已知/未知威胁的主动防御与自动化拦截。

而在安全运营层面,集成于FortiAnalyzer、FortiSOAR等产品的FortiAI-Assist已实现从“智能辅助”到“实战专家”的升级。王涛现场演示,安全人员只需通过自然语言指令,系统即可自动关联日志、绘制攻击链并推荐处置方案,将调查响应时间从小时级压缩至分钟级,并可自动生成SOAR剧本,实现闭环处置。

针对“Security for AI”,Fortinet提出“安全AI基础框架”,并在此基础上构建了覆盖AI数据中心全链路的端到端分层防护体系。该体系从边界安全、身份管理,到应用与API防护直至AI运行时安全与训练模型保护,形成纵深防御架构。王涛现场演示了框架中关键一环——计划于明年发布的“AI运行时安全”方案。该方案能够有效防御“提示词注入”等新型攻击,并对AI使用进行成本优化与合规审计。

王涛总结指出,FortiAI的目标并非替代专家,而是成为安全分析师身边“永不疲倦的超级智囊”,推动威胁应对从“人工驱动”迈向“人机协同”新范式。

技术支点:量子安全、统一SASE构筑韧性网络

在技术前沿层面,Fortinet于2025年取得多项突破性进展。首先,基于自研NP7及SP5芯片的防火墙在超高吞吐与能效比上持续领先,成为大型AI数据中心客户的首选。其次,Fortinet率先推出量子安全方案,支持后量子密码学与量子密钥分发,以应对“先存储、后解密”的远期数据威胁。此外,Fortinet与NVIDIA达成合作,将其安全能力集成至BlueField DPU芯片,为AI数据中心提供硬件级安全加速。

统一SASE战略亦在2025年进入规模化落地阶段。目前Fortinet已在全球部署超170个POP节点,并计划于2026年在中国大陆北上广深度布局本地化节点,为企业出海与混合办公提供低时延、零信任架构的安全访问能力。

面向2026年,Fortinet 中国将继续深耕高科技、制造、金融、能源、汽车等重点行业,推出场景化安全解决方案。开发全新AI Runtime Security产品,并将加速 SASE PoP 点落地,支持中国企业出海;同时强化OT安全、AI安全等新兴领域的生态合作与人才培养。25年来 ,Fortinet从未偏离融合安全的初心。未来也将继续以平台化、智能化、自动化,助力客户构建适应AI时代的弹性安全体系,共同筑牢数字世界防线。

 

原文链接: Fortinet 2025年终媒体会:共赴AI驱动网络安全新时代
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230