AI for Detection and Response | Cloudflare’s Mark Anderson
摘要
Cloudflare 的 Mark Anderson 表示，安全控制必须无处不在，而 AI 能够自动化告警筛查与初步响应，让安全专家专注于关键的人类判断工作。
暂无内容
查看缓存全文
缓存时间: 2026/10/28 03:04
**TL;DR：Cloudflare 的 Mark Anderson 认为，安全控制必须无处不在，而 AI 让机器承担告警处理的苦差事，把人的判断力留给最关键的工作。**
## 安全控制不能只存在于某个人的办公室里
安全能力不应该是某个团队、某个部门或某个人办公室里的专属职能。它们必须无处不在，渗透到产品、基础设施和日常运营的每一个环节。
## 从"打地鼠"式响应中脱身
传统安全团队的工作模式，基本上就是打地鼠：一个接一个地处理漏洞，面对不断弹出的告警疲于奔命。
这种模式存在一个根本性的天花板：**光靠堆人是解决不了问题的**。就算雇再多的人，把他们全都塞进安全运营中心（SOC），也无法跟上漏洞和告警增长的速度。
## 用 AI 自动化检测与响应
Cloudflare 内部的应对方式，是让安全团队深度利用 AI，以相当深刻的方式实现检测与响应能力的自动化——把检测、告警分类、初步响应等重复性环节交给机器处理。
## 自动化带来的真正价值
像 OpenAI 这样的公司所提供的自动化之美在于：
- **让机器承担苦差事**——海量告警的筛查、归类和初步处置由 AI 完成；
- **让人专注判断力**——安全专家可以把精力投入到最关键、最需要人类经验与决策的地方。
最终，人机分工从"人追着告警跑"转变为"机器处理规模，人处理判断"。
Source: [AI for Detection and Response | Cloudflare’s Mark Anderson](https://www.youtube.com/watch?v=ilG7LPrngkI)
相似文章
如何验证你的 AI agent 安全防护是否真正拦截了被标记的内容
文章强调 AI agent 的安全防护不能只依赖告警日志，必须验证检测结果是否真正转化为阻止执行的裁决。以 StackOne 开源的 Defender 为例，说明其 blockHighRisk 默认关闭、文本清理仅为尽力而为，建议开发者对已知恶意输入做端到端验证，确认应用层确实拦截了被标记的内容。
Block on Finding and Fixing Security Risks with OpenAI
Block 分享了如何借助 OpenAI 的 AI 能力发现并修复软件安全风险——该工具不再只是静态扫描代码，而是推理攻击模式、跨越信任边界并串联多步攻击，呈现端到端完整攻陷路径，同时协助定位问题、找到负责人、提出补丁建议并验证修复效果。
@QingQ77: 开源自托管 AI 安全运营中心，提供告警融合、紫队演练、AI 辅助分诊和 MITRE ATT&CK 调查分析。 https://github.com/beenuar/AiSOC AiSOC 把安全事件采集、关联分析、AI 调查和 SOC …
AiSOC 是一款开源自托管的 AI 安全运营中心工具，基于 LangGraph 构建，集成警报融合、AI 辅助分诊与 MITRE ATT&CK 调查分析功能，支持全链路推理日志回放及多环境灵活部署。
Cyber Defense at Machine Speed | Cisco’s Jeetu Patel
Cisco 的 Jeetu Patel 表示 AI 已成为实现安全的前提条件，安全控制与策略必须智能化、代理化、动态化；OpenAI 的能力正让防守方以机器般的速度与规模夺回优势，因为漏洞披露到被利用往往只有 8 到 9 分钟窗口期。
SOC AI Agent
一个专为安全运营中心设计的AI代理，用于自动化威胁检测和响应任务。