AI的普及, 正在重新塑造网络安全行业竞争格局, Palo Alto等公司, 通过收购以及创新产品线, 成功把AI的不确定性, 转化成新的市场机会。从管理Agent权限, 到保护模型运行, 再到AI基础设施安全, 网络安全股逆势上涨的背后, 是企业为确定性支付的安全预算不断攀升。本文借助具体案例, 揭示AI怎样成为网络安全行业的新增长引擎。
AI冲击软件股，是今年美股说得最多的叙事。
截止到6月15日收盘之时, 美国股票市场的软件ETF IGV在这一年之内下跌了12.3%, WCLD下跌了11.9%。要是去看那些明星软件股的话, 下跌的幅度就更为凶狠巨大了, 其中Figma下跌了50%, Adobe下跌了41%。
市场的逻辑很简单，AI能替代人，就能替代人用的软件。
然而, 当多数软件股处于下跌态势之际, 存在着一类软件, 其上涨幅度却愈发猛烈, 此软件即为网络安全。
截止到6月15日收盘之时, 美国股票市场上, 两个规模最大的网络安全交易型开放式指数基金CIBR以及HACK, 它们分别上涨了20.74%与21.16%, 而且全都跑赢了IGV达30个百分点以上。在CIBR的前十大持仓当中, 还有6家公司在这一年之内的涨幅超过了50%。
能够讲, 网络安全股并未被AI给冲垮掉, 反倒变成了今年美股之中表现最为强劲的板块当中的一个。
采用Palo Alto CEO Arora所做出的一个判定, 市场存有这样一种担忧, 那就是AI会致使“SaaS末日”出现, 然而, 至少于网络安全这个领域当中, 情形或许刚好是与此相反的。
一言以蔽之, 只因AI自身存在极大不确定性，企业使用其程度越深, 那么为了寻求确定性而支出的安全预算也就会变得越高。这便是网络安全能够成为少数因AI普及而持续获利的软件赛道的缘由所在。
今天，硅基君就结合几个具体案例，来展开说说这个事。
01 管理Agent的“身份与钥匙”
AI带来的第一个新增需求，是管理Agent的身份和权限。
以往 , 企业的权限体系主要是依人构建而来了。员工会持有账号 , 至于管理员则具备更高的权限。 谁能够登录进系统 , 可以查看哪些文件 , 又能够修改哪些数据 , 一般来讲都是能够对应到某一个具体的人的哦。
Agent出现后，这套体系开始失效。
一个Agent, 有可能是为员工去读取邮件, 还有可能是给开发者充当修改代码的角色, 甚至于同其他Agent开展协作以完成任务；它可不单单只是一项软件功能, 实则更是一项能够代表企业去采取行动的全新身份。
基于这个变化，一系列的问题也随之出现：
这个Agent究竟代表着谁, 它能够去访问什么样的数据, 它可以调用哪些工具, 它所使用的是谁的账号以及密钥, 在任务完成之后, 权限能不能够及时地被收回?
假设这些疑难尚未获得解决之道, 朝着该企业所部署的Agent数量越多的走向发展, 那么在其内部范畴之中, 就会相应地出现越发众多的处于不受控状态的“机器员工”。
它们有可能长时间持有API密钥, 继承了超过任务所需的权限, 又或者在员工离职之后, 以及项目结束以后, 依旧能够对企业系统进行访问。
这也是Palo Alto 愿意花约250亿美元收购的原因。
称得上最关键的业务, 在于掌控企业内部最为极具敏感性的权限, 比如说, 数据库管理员账号还有云平台密钥, 另有服务器的密码, 以及能够对生产系统进行修改的具备高权限的凭证。
原来的时候, 它重点在于防范管理员账号出现被盗的情况, 又或者是阻拦员工长时间持有并非必要的较高权限。
到了Agent时代，这套能力有了新的用途。
企业能够给Agent赋予一个单独身份, 仅于执行任务之时给予临时权限, 存在一个负责查询库存的Agent, 此种Agent仅能在数分钟之内读取库存数据, 在任务完结之后, 权限会自动失去效力。
买下Palo Alto, 就如同买下了一套用于管理机器、员工以及钥匙的系统。
这一块儿也替Palo Alto在往昔最显著的那块欠缺给弥补上了。往昔之时, Palo Alto对于网络当中所发生的状况能够知晓, 可是却并非在一定程度上负责去判定这个账号缘何持有权限, 以及这份权限应当于何时被收回。
这是AI为网络安全行业造就的首个新市场, 当软件开始代人行动, 企业就得用如同管理员工那般的方式操作, 管理每一个Agent的身份, 管理每一个Agent的权限, 管理每一个Agent的责任边界。
02 盯住那个“AI黑盒”
由AI衍生出的第二个新产生的要求, 是去保障模型以及Agent的运作进程。
AI和传统软件最大的区别，在于行为高度不确定。
传统软件一般是依照预先编写好的代码来运行, 其结果是完全能够被控制的。然而，Agent却不一样, 它会依据模型输出动态地去决定接下来的动作。仅仅是一次简单的指令, 其背后有可能是掺和着几十次模型调用以及工具操作而成的。
倘若任何一类环节出现差错, 那么便会致使AI行为被全然带偏。此类风险不见得源于传统范畴内的病毒, 也有可能源于提示词注入、模型幻觉、错误配置, 亦或是第三方插件以及模型本身现存的问题。
比如说, 有一个Agent, 当它在浏览网页之际, 有可能读到这样一段呈隐藏状态的恶意指令, 进而被诱导着去忽略原本所执行的任务, 随后转而进行上传内部文件的操作。
于是乎, 企业不但得去查验Agent的权限, 而且还得始终如一地监察它于运行这一整个过程期间所切实发生的每一个步骤。
Palo Alto 的 AIRS主要解决这一问题。
它被部署于企业 AI 应用跟模型这二者之间, 查检员工给模型输入了啥信息, 模型返回了啥内容, 以及 Agent 在调用工具之际是否存有异常。
比如说, 在员工尝试将客户数据录入未获批准的公共模型之际, AIRS能够予以识别并且实施阻止, 在Agent读取到涵盖提示词注入的网页或者文件之时, 它能够拦截恶意指令。
于模型跟企业数据之间, 于Agent和外部工具之间, 增添了一趟实时检查层这样子, 两者情况相类似。
从去年5月推出来看, 到今年5月底为止, AIRS的客户, 在一个季度之前, 数量约为100家, 而如今, 已经增加到300多家了。
Palo Alto的管理层做出预计, 那款产品会于将来的几个季度达成1亿美元ARR, 在一季度的时候, 公司又获取到一笔超过2000万美元的订单。
在今年年初的时候, Palo Alto花费了高达33亿美元, 收购了可观测性公司, 目的在于提升AI系统的可观测性, 进而能够更好地去监测AI的动作。
在一季度之时, 有关电话会议当中, Palo Alto将相关情况进行了披露, 其最新季度的ARR已然超过了3亿美元, 并且环比增长的幅度超过了50%。
其中, 有一家处于前沿位置的头部 AI 实验室, 所贡献的 ARR 超出了 2 亿美元。随着这名客户, 逐渐把业务从原来的供应商那里进行迁移, 并且此时其使用量依然在不断增加, 最终成为了这一季度增长的主要来源。
除了Palo Alto外，也在切入这个市场。
这里存在着往昔最为熟知的领域, 其关键产品EDR所进行的工作是, 于终端设备之上对全部行为予以监测, 简言之, 聚焦于该台电脑之所为。
到了AI时代，希望把这套能力复制一遍。
它所推出的AIDR, 可以监测企业当中究竟运行着多少Agent, 以及这些Agent们正在运用哪些身份和凭证。
这件事听起来简单，但其实并不容易。
众多企业内部的Agent可不是由IT部门统一去部署的, 员工有可能自行开展AI编程工具的来进行安装, 业务部门有接入第三方Agent的可能性, 开发团队也存在于云服务器当中运行自身自动化程序的情形。
安全部门连这些Agent存不存在都不清楚, 更别提知晓它们连接了啥模型, 获取了啥权限, 还访问了哪些敏感数据了。
与看不见的Agent相关的工作, 是由AIDR来做的, 其致力于将那些存在者寻觅出来, 并且还要不间断地观察它们的所行之事呢。
到4月底截止时, AIDR的ARR, 其环比幅度增长, 超出了250%。公司并未披露起始规模, 然而却已经出现了真实存在的订单, 有一家从事汽车金融业务的公司, 为数量超过3万台的终端采购AIDR, 该合同的金额达到了以七位数计算的美元。
CEO Kurtz作出判断, 这有成为一个市场的可能性, 该市场比起EDR, 处于长期态势, 规模更大。这传递出一种信息, 此市场至少具备百亿美金级别的规模。
03 为数据中心建“防火墙”
AI带来的第三个新增需求，是保护AI背后的基础设施。
AI数据中心内, 模型训练时需频繁输送数据, 推理过程之中同样存在这样的情形。GPU彼此之间会流转计算成果, 集群持续从存储系统把所需数据给调过来。伴随集群数量的递增, 数据中心里的通信量迅速上涨。
这类发生在服务器和工作负载之间的通信，被称为东西向流量。
曾经, 企业安全体系对数据中心边界更为看重。在AI集群扩展之后, 内部网络同样需要更为精细的隔离。不同的用户、任务以及GPU集群不可随意相互访问, 不然的话, 一旦攻击者攻克一个节点, 便有可能顺着内部网络持续扩散。
问题在于，AI基础设施对性能非常敏感。
可能价值几千万甚至数亿美元的是一套GPU集群, 要是防火墙处理速度不足, 致使网络延迟上升, 因等待数据昂贵的GPU便会处于闲置状态。
所以呢, 对于企业来讲, 不但要有安全保障, 而且还得达到这样的要求, 就是安全系统绝对不可以显著地让训练以及推理的进程变慢。
这使得在成为AI基础设施扩张的直接受益者当中占据其一, 其核心优势在于, 是进行自研的安全芯片。
检查网络流量, 传统防火墙所依靠的主要是通用处理器, 流量越大, 那需要消耗的, 计算资源就会越多, 电力同样也会越多。
那么, 将加密任务放置到专用芯片里去处理, 把流量识别任务放置到专用芯片里处理把安全检查等任务也放置到专用芯片里处理, 期望在耗能更低的情形下, 能够提供网络吞吐量更高的结果。
在过去, 这套能力主要是为大型企业以及数据中心提供服务, 等AI数据中心呈现之后, 它所具备的价值又得到了更进一步的 。
在今年的第一季度期间, 多条跟AI基础设施存在关连的订单被进行了披露, 这些订单当中涵盖了两笔AI数据中心项目的订单。
有一家身为GPU云基础设施提供商的企业, 为新建的AI数据中心进行采购, 其用途是用于数据中心的边界保护方面, 还用于内部网络分区以及安全连接。另外还有一家生成式AI公司, 同样为新开展的AI数据中心项目实施了产品采购。
截止到 3 月底, 季度产品所获取的收入, 同比增长幅度为 41%, 这一增长幅度远远高于服务收入增长 11%的速度。虽然公司并未公布, 其中究竟有多少收入是直接源自于 AI 的 , 然而管理层已然清晰地表明, AI 数据中心的部署工作, 已然开始对高性能的需求起到了推动作用。
04 新的付费逻辑：用得越深，预算越高
除外这般显性的产品需求, 人工智慧也于改变网络安全行业的付费逻辑。
第一个变化，是安全公司能够收费的对象变多了。
以往, 企业安全主要是依照员工、电脑以及服务器来开展, 收费一般乃是同账号、终端, 或者工作负载的数目存在关联, 有着显著相关。
Agent出现后，这种相对稳定的对应关系开始松动。
一个员工往后或许会同时运用多个Agent, 对代码进行处理, 对邮件进行处理, 对数据查询进行处理, 对业务流程进行处理。哪怕企业里面员工的数量并未增长, 然而需要施行管理的机器身份以及访问权限也极有可能迅速增多。
这为安全公司创造了一类新的付费对象。
第二个变化，是安全需求开始与AI的实际使用量挂钩。
模型每进行一次运行, 便会生成新的数据输入, 生成模型输出, 还会产生工具调用。AI系统被使用得越为频繁, 那么需要进行检查的行为就越多, 需要进行记录的行为也越多, 进而需要进行审计的行为同样越多, 安全成本也会跟着上升。
当前, Palo Alto的AIRS API已然开始运用基于Token用量的授权形式, 把AI的使用规模径直与收入关联起来。
总体而言, 就一般的SaaS公司来讲, 人工智能大概率会削减一部分人工坐席。而对于网络安全公司而言, 情形恰恰是反过来的。
AI会天然带有不确定性, 不过企业经营对稳定, 以及可控和可追责存在依赖。落差在两者之间, 并不会随着AI普及而消失, 反而在模型还有Agent进入核心业务之后, 会不断放大。
即是说, AI运用得越深入, 企业针对确定性所支付的安全预算就会越高, 这使得网络安全演变成少数持续因AI普及而受益的软件赛道当中的一个。
