◎ 思科推出的端到端解决方案,可全面保护AI应用的开发与使用,助力企业从容推进人工智能项目。
◎ 思科人工智能防御系统能够解决现有安全方案无法应对的问题,有效防范AI工具滥用、数据泄露等日益复杂的安全威胁。
◎ 凭借思科卓越的网络可见性与控制力,这一创新解决方案将在应对不断演变的AI安全挑战中始终保持领先。
北京,2025 年 1 月 16 日 — 今日,全球安全和网络领域的领导者思科(NASDAQ: CSCO)正式发布思科人工智能防御系统(Cisco AI Defense),这一开创性解决方案旨在助力企业的AI转型进程。随着人工智能技术的发展,新的安全隐患和威胁正以空前的速度涌现,现有的安全解决方案已无法提供足够的保护。思科人工智能防御系统专为企业打造,帮助企业从容地开发、部署和保护AI应用。
在拥抱人工智能时,企业和技术领导者绝不能为追求速度而置安全于不顾。然而在竞争激烈的多变格局中,速度决定胜负。思科人工智能防御系统深度融入网络架构,能够在开发和访问 AI 应用时精准检测并抵御威胁,让企业无需在速度与安全之间做出妥协。
—— Jeetu Patel
思科全球执行副总裁兼首席产品官
△ 思科正式发布思科人工智能防御系统(Cisco AI Defense),这一开创性解决方案旨在助力企业的AI转型进程
人工智能技术出错的风险极高。根据思科发布的《2024 年人工智能就绪指数》,仅有 29% 的中国大陆受访企业能够全面检测并防止未经授权的篡改。由于 AI 应用呈现多云、多模型的态势,其面临的安全挑战也是全新且复杂的。漏洞可能出现在模型层或应用层,而开发者、终端用户及供应商的责任难以明确。随着企业逐渐从利用公共数据转向在自有专有数据上训练模型,相关风险也在不断攀升。
为释放 AI 的创新潜力并推动其广泛应用,企业亟需构建一个通用的安全防护层,保护每位用户和每项应用。思科人工智能防御系统通过解决以下两大紧迫风险,助力企业推进人工智能转型:
△ 思科人工智能防御系统解决方案可验证网络安全威胁
不同于嵌入在单个AI模型中的安全措施,思科提供的是适用于多模型环境的一致性控制。
思科人工智能防御系统具备自我优化能力,可基于思科独有的机器学习模型,并利用思科 Talos 的威胁情报数据检测不断演变的 AI 安全问题。使用思科人工智能防御系统的 Splunk 客户将收到来自整个生态系统的附加上下文的丰富警报。
思科人工智能防御系统能够无缝对接现有的数据流,实现卓越的可视化与控制力,并深度集成于思科推出的统一化、由人工智能驱动的跨领域安全平台——思科安全云中。
通过利用思科广泛的执行点网络,思科人工智能防御系统在网络层面实现 AI 安全,其能力是思科独有的优化结果。准确性和可信度对于保护企业 AI 应用至关重要,思科一直积极参与制定人工智能安全行业标准,其中包括与 MITRE、OWASP 以及 NIST 等权威机构合作开发的相关标准。
△ 思科人工智能防御系统解决方案提供卓越的可视性
人工智能的广泛应用使企业暴露在传统网络安全解决方案无法覆盖的新风险中。思科人工智能防御系统在 AI 安全领域实现了重大突破,为企业 AI 资产提供了全方位的可视化管理,并有效抵御不断演进的各类威胁。
—— Kent Noyes
全球AI与网络创新负责人
World Wide Technology
继思科 Hypershield 后,思科人工智能防御系统是思科 AI 驱动安全创新系列的最新成果。该系统将于 3 月正式向企业用户开放,助力企业的人工智能转型进程。如需了解更多信息,请访问:cisco.com/go/ai-defense。
更多资料
◎ 博客: Protecting AI So AI Can Improve the World, Safely
◎ 博客: Cisco AI Defense: Comprehensive Security for Enterprise AI Adoption
◎ 动画: Cisco AI Defense
思科(NASDAQ: CSCO)是领导全球的科技供应商,致力革新企业在人工智能时代下的连接与保护方式。40 多年来,思科以安全连接世界为己任的使命始终如一。凭借行业领先的以人工智能驱动的解决方案与服务,思科帮助客户、合作伙伴与社区释放创新潜力、提高生产效率,并增强数字韧性。思科一直秉承核心目标,致力为所有人创造一个更加互联和包容的未来。您可以在 cisco.com.cn 获取更多信息,并关注我们的微信公众号“思科联天下”。
Cisco 和 Cisco 徽标是思科及/或其附属机构在美国和其他国家的商标或注册商标。有关 Cisco 的商标列表,请查看 http://www.cisco.com/go/trademarks。文件提及的第三方商标是其各自所有者的财产。使用“合作伙伴”一词并不表示思科与任何其他公司之间存在合作关系。
往期推荐