文章总结： 本文探讨了数字安全领域中AI的真正对象是数据结构而非产品工具。作者提出AI在安全领域的四类核心对象：序列、图、分布和规则空间，并解释了这些结构如何决定AI的能力边界。文章强调理解数据的空间和时间维度结构对构建有效安全AI系统至关重要，指出当前AI加安全讨论中存在概念混淆问题，呼吁回归结构本质进行高质量安全建设。
综合评分： 92
文章分类： AI安全,安全建设,网络安全,数据安全
数字安全领域 AI 的面向对象是什么？
原创
Micropoor
0x727开源安全团队
2025年11月22日 14:43
上海
注：本文是笔者工作过程中思考事物、认识事物，准备改造事物的手稿之一，因接下来的工作中，拟计划使其数字安全建设与AI融合至统一，因此，笔者把“日记本”中的部分手稿摘录为该文。
一、AI 不面向产品或工具，只面向数据本身
在当前数字安全领域的“AI 热潮”中，最普遍、也最具误导性的观点，是将“产品或工具”当成“AI 的对象”。
诸如“给 WAF 加 AI”、“给 SIEM 套大模型”、“给邮件过滤叠智能体”等想法，看似推动创新，实则概念混乱。
算法无感于产品或工具的边界。
AI 的对象永远是数据及其结构性运动，而不是工具或场景。
数据的结构性决定 AI 能构建怎样的世界模型，也决定它的能力边界。产品或工具分类只是行业惯例，是人为划分的外壳，不具有算法意义。
真正的问题不是“AI 能不能做邮件安全”，而是“AI 能从什么结构的邮件类数据中构建世界模型”。
因此，数字安全行业真正缺少的并不是“AI 应用”，而是对 AI 在安全领域的真实对象 的基础性理解。
二、为什么必须回答这个问题？
过去两年“AI+安全”讨论呈爆炸式增长，但大多数都沿着错误路径展开，诸如：
1、给 WAF 加 AI
2、给邮件网关加 AI
3、给告警系统加 AI
4、给 HIDS 加 AI
5、SIEM 套用通用大模型
等等…
这种模式的问题在于：
产品或工具不是结构，结构才是算法的真实输入。当你说“AI 看懂邮件安全”，算法实际上处理的是：
1、文本序列
2、用户行为上下文
3、组织策略
4、异常分布
5、权限或对象关系图谱
产品或工具只是一层外壳，与算法无直接关系。对象错了，工程必然漂浮，预测偏差、异常误报、无法泛化都随之而来，这正是如今“AI+安全”虚浮的根源。
笔者必须要思考回应此类问题的范畴，制定战略性的动作，必须要思考2个类问题1个统一，既——
2个类问题：
1、面向方向
2、面向对象
1个统一问题：
方向和对象与所在组织（公司）场景的统一。
这关乎在接下来的几年的过程中，集中投入、集中力量等一系列的集中总和，于某一个或几个对象的全面推进，对象一旦错误，越集中越偏离；统一一旦分歧，越投入价值回报率越离奇。因此，笔者在此类问题的过程中思考许久。
三、AI 的对象由底层三重约束决定
AI 能处理什么，并不是主观感性的选择，而是受到三种结构性约束：
1、所在组织（公司）算力约束——决定数据颗粒度、模型规模、上下文长度、推理窗口。
2、算法架构约束——决定模型能够处理的对象类型：序列？图？分布？规则？
3、数据结构约束——决定 AI 能构建何种世界模型。（例：系统调用是强结构，邮件正文是弱结构）
由此，AI 的世界不是被产品（工具）名称塑造的，而是被数据的物质性形态 规定的。那些震撼世界的词句只是为了迎合完成KPI而创造的，必须回归于现实的物质形态。
四、数据的“双维度结构”：空间与时间
AI 在数字安全领域能否“理解”一个现象，取决于数据在空间和时间上的结构性。
1、空间维度：数据的结构强弱
（1）弱结构数据
如：邮件正文、日志文本、单条 HTTP 请求
特点：噪声大、信息密度低、必须依赖大量上下文。
（2）强结构数据
如：系统调用序列、攻击关系图、权限继承图、告警语义树
特点：高压缩、高语义、内置专家结构、AI 能直接推理
因此，结构强弱决定了 AI 的信息效率。
2、时间维度：行为的连续性
AI 能否构建有效模型，取决于：
——Δt：可观测的时间窗口
——ΔV：单位时间内的信息体量变化速度
（1）窗口越长，越容易发现行为模式；
（2）体量越稳定，越容易建立行为基线。
安全风险治理根源上都是“时间维度中的模式偏移”。
五、基于结构的推导：AI 在数字安全领域的四类对象
当我们抛开产品和工具边界，从数据结构出发，AI 在安全领域的对象自然显现为四类。这四类不是场景，而是本体结构，是一切安全 AI 能力的基底：
对象一：序列
形式：X={x1,x2,…,xT}
数字安全世界大部分的数据都是序列：
1、流量
2、系统调用
3、登录行为
4、告警时间序列
5、攻击阶段序列
等等…
主要任务：
1、异常检测
2、趋势预测
3、事件关联
4、行为基线建模
序列是数字安全数据中最基础的结构。
对象二：图
形式：G=(V,E)
当安全问题涉及关系与依赖，图结构是核心载体：
1、权限关系图
2、攻击链
3、横向移动图
4、主机—进程—连接关系图
5、服务依赖图
等等…
主要任务：
1、图嵌入
2、权限扩张路径预测
3、图结构异常检测
4、攻击路径推演
安全在被攻击本质上是“图结构的扰动”。
对象三：分布
形式：Pt(X)
数字安全问题最难的部分都与分布偏移相关：
1、行为异常
2、0day（1day）
3、数据泄露
4、内部违规
5、流量突变
等等…
核心任务：
1、分布偏离检测
2、概念漂移监测
3、异常评分
这是未知攻击检测的根基，也是未来的主战场，更是可“扩展”的思考高地。
对象四：规则空间
形式：R={r1,r2,…,rn}
安全的大部分劳动是规则治理，而规则并非静态：
1、会冗余
2、会冲突
3、会膨胀
4、会被绕过
5、会自我老化
等等…
AI 在规则空间中的能力是：
1、规则压缩
2、冲突检测
3、策略生成
4、约束求解
5、自动优化
这是未来安全策略体系的中枢战场。
六、为什么邮件、HIDS、WAF 等一系列的总和不是AI的对象？
因为它们都不是结构，只是“打包方式”，拆开后都能映射到四类对象：
| | |
| — | — |
| 工具 | 结构对象 |
| 邮件安全 | 文本序列、分布偏移、规则空间 |
| WAF | 流量序列、状态图、分布偏移 |
| HIDS | 系统调用序列、主机关系图 |
| SOC | 告警序列、策略图、分布异常 |
产品和工具是外壳，结构是本体，结构是算法的输入。
AI不会因为产品名称变聪明，只会因为数据结构充分而强大。
八、回归结构是高质量建设的前提
2024–2025是数字安全AI讨论呈爆炸式增长的过程，越是这种时候，越要沉着、冷静的面向结构延展思考。
四类对象——
1、序列
2、图
3、分布
4、规则空间
构成了安全 AI 的底层结构论。
一旦理解这些，所有“AI+安全”的混乱讨论都会自然坍缩回一个清晰框架。
真正的数字安全建设的创新也会从这里开始。
免责声明：
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。
任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。
本文转载自：0x727开源安全团队 Micropoor《数字安全领域 AI 的面向对象是什么？》