1 月 20日, F5宣布推出F5 AI Guardrails与F5 AI Red Team两款业内领先的解决方案,旨在为企业关键业务级人工智能(AI)系统提供全方位安全保障。借助此次发布,F5成为业内唯一一家能够提供端到端全生命周期AI运行时安全防护的厂商。通过结合开箱即用与高度灵活的自定义防护措施,F5进一步增强了对AI智能体(AI agents)的连接与安全防护能力。
上述开创性安全解决方案紧密契合了客户在实际部署中的核心需求,包括灵活部署、与具体模型无关的安全防护能力,以及对AI安全策略进行定制和实时动态调整能力。得益于F5在AI交互所依赖的应用层领域积累的深厚专业能力,这些解决方案能够为客户提供更深层次的安全防护。目前,F5 AI Guardrails与F5 AI Red Team已在全球多家顶尖的财富 500 强企业中成功部署,涵盖金融服务、医疗健康等高度监管行业。
F5首席产品官Kunal Anand表示,“传统企业治理模式已难以跟上AI技术的发展速度。当安全与治理策略滞后于应用落地时,数据泄露以及模型行为不可控等风险便会随之而来。企业需要与AI模型本身同样具备动态、敏捷性的防护体系。F5 AI Guardrails能够对流量开展实时安全防护,将AI黑箱转化为可视、可控的透明系统;而F5 AI Red Team则可在相关技术投入生产应用前,主动发现潜在安全漏洞。这套解决方案能够帮助企业摆脱对安全风险的顾虑,从而更有信心地交付应用和创新功能。”
随着企业在客户体验、内部工作流程及关键任务决策等领域加速推进AI技术的落地应用,安全风险格局也在急剧变化。如今,企业面临的挑战已不再限于外部攻击,还包括应对模型遭恶意操纵、数据泄露、用户交互行为不可预测,以及合规要求日益严苛等多重问题。通过将F5 AI Guardrails与F5 AI Red Team相结合,并集成API安全防护、Web应用防火墙、DDoS防护等传统基础设施安全防护解决方案,企业将能够在实现AI系统与现有应用协同安全防护的同时,有效提升安全可视性与策略一致性,且无需依赖零散的单点解决方案。
依托F5在应用层的深厚专业积淀及其功能全面的应用交付与安全平台(Application Delivery and Security Platform,ADSP),这些AI运行时安全解决方案将F5在现代应用与API安全防护领域的领先优势,进一步延伸至AI时代。
将风险转化为充满信心的 AI 部署
随着企业加速推进AI从试点推向规模化运营,现有多数安全工具往往仅能应对快速扩张的攻击面中的局部,而难以提供系统性的防护。F5作为业内率先推出完整AI安全解决方案的厂商之一,通过将实时运行时保护、进攻性安全测试及预构建攻击模式相结合,助力企业自信地部署AI。要实现这一目标,需解决AI系统在实际运行过程中的内在风险:不同模型在性能与运行表现上差异显著,且会与敏感数据、用户、API及其他系统产生复杂交互,而这些交互场景都是传统安全工具在设计之初并未充分考虑和覆盖的领域。
F5 AI Guardrails提供了与模型无关的运行时安全层,旨在为AI模型、应用及智能体在各类云环境及部署场景中提供一致的安全策略与防护。随着模型数量扩展至数百万级,AI Guardrails 可针对提示注入、越狱攻击等对抗性威胁提供持续防护,防范敏感数据泄露,并确保严格执行企业及监管合规要求,包括 《通用数据保护条例》(GDPR)与《欧盟AI法案》(EU AI Act)等相关规定。此外,AI Guardrails提供对AI输入输出的深度可观测性及可审计性,帮助团队不仅能看到模型的操作结果,且可以追溯其决策逻辑,而这正是受监管行业在治理与合规层面的核心需求。
为不断演进的AI系统提供持续性安全保障
作为对运行时保护的有效补充,F5 AI Red Team可提供具备可扩展性的自动化对抗性测试,依托业内领先的AI漏洞数据库,其可模拟各类常见及隐蔽的威胁向量。随着现实世界威胁的不断演变,该数据库每月新增超一万种攻击手段。此外,F5 AI Red Team能够精准定位模型可能产生危险或不可预测输出的风险点,并将获取的洞察结果直接反馈至F5 AI Guardrails 的防御策略,确保防护体系能够伴随威胁及模型自身的变化实现动态迭代。通过F5 AI Guardrails与F5 AI Red Team的协同配合,企业将能够构建一套完整的AI安全反馈闭环:覆盖主动保障、动态运行时保护、集中安全治理及常态化迭代优化。
F5 AI Guardrails和F5 AI Red Team现已作为F5应用交付与安全平台的一部分正式推出。
好文章,需要你的鼓励
Finastra最新研究显示,99%的英国金融服务公司已采用人工智能技术,AI已成为金融业的"连接纽带"。该技术不再局限于后台自动化,而是推动实时欺诈检测、个性化产品推荐和智能承保等创新应用。AI投资间接促使银行增加其他技术投入,安全支出预计2026年平均增长40%。九成公司计划投资技术现代化以支持AI扩展,云技术采用成为重点。
亚马逊FAR部门研究团队通过创新的"掩码比特建模"技术,突破了图像生成领域的传统认知。研究发现离散方法劣势源于信息容量不足而非技术路线缺陷,提出的BAR框架通过渐进式比特预测解决大词汇表计算难题,在ImageNet-256上创下0.99 gFID新纪录,同时实现数十倍的速度提升,为AI图像生成开启质量与效率并举的新时代。
HPE公司宣布其将为2026年米兰-科尔蒂纳冬奥会提供网络基础设施,这是HPE与其收购的Juniper Networks首次在重大赛事中联合部署技术服务。本届冬奥会覆盖超过2.2万平方公里,是史上地理分布最广的奥运会,拥有40多个场馆。HPE部署了包括4900多个接入点、1500多台交换机等设备,运用AI原生的HPE Mist平台和Marvis Copilot提供智能网络管理,确保为3000名运动员、媒体转播商和观众提供奥运级别的网络稳定性和安全性。
北京大学与美团联合研究团队提出轮廓引导路径探索(OPE)方法,解决AI并行推理中的"互信息饱和"问题。通过先生成多样化策略轮廓再执行具体推理,避免多条思路重复收敛的困境。在数学推理测试中,该方法显著提升了复杂问题的解决成功率,为AI推理能力的可靠性提升提供了新的技术路径。