当人工智能安全风险加剧，网络安全人才能力如何升级

　　【洞见·TMT】

　　随着大模型加速进入研发、生产和运营等核心业务，人工智能安全问题也从模型自身延伸至应用和业务环节。训练数据泄露、模型攻击、提示词注入、接口滥用、内容合规以及智能体越权等风险相互交织，形成贯穿模型、数据、应用和业务流程的新安全链条。

　　人工智能安全边界持续拓展，网络安全人才面对的对象、任务和能力结构正在随之改变。在第一届中国网络空间安全大会上，《网络安全人才实战能力报告—AI赋能篇》（以下简称“报告”）发布，对这一变化进行了系统梳理。报告由国务院学位委员会学科评议组（网络空间安全组）、教育部高等学校网络空间安全专业教学指导委员会指导，北京航空航天大学、中国科学技术大学、永信至诚科技集团股份有限公司担任主编单位，多所高校、科研机构及产业单位参与编制。

　　安全对象变了，人才实战任务被重新划分

　　报告将AI时代网络安全实战任务划分为三类：模型安全，关注模型、底层数据和算法本身；AI应用安全，聚焦模型和智能体进入业务系统后产生的新风险；AI赋能网络安全，则研究如何利用AI提升漏洞挖掘、安全运营、攻防对抗和威胁检测效率。

　　中国网络空间安全学会常务理事、教育部高等学校网络空间安全专业教学指导委员会副主任委员、北京航空航天大学教授刘建伟介绍，三类场景对应着双向变化。一端是模型数据泄露、提示词注入、智能体越权和模型供应链等新增风险；另一端是AI参与攻击侦察、工具开发、漏洞利用和数据处理，也被用于漏洞挖掘、威胁分析和响应处置。安全人员既要保护AI，也要学会用AI。

　　专职队伍和关键能力仍有缺口

　　调研显示，64%的大模型相关单位仍由传统安全团队兼职或研发团队兼顾模型安全，仅23%的单位设置专门的AI安全研究队伍；81%的AI应用落地单位尚未设置专职AI安全团队。人才分布也相对集中，广东、北京、浙江、上海和江苏五个省市汇集了46%的AI应用安全人才。

　　能力端的短板更为具体。在提示词安全、内容合规、接口安全和业务逻辑安全四个维度，尚未达到熟练水平的人员占比分别为54%、64%、60%和65%。这些数据表明，AI应用接入业务的速度，正在考验安全能力建设的同步程度。

　　AI能提效,但不能替代专业判断

　　报告同时提醒，AI工具的使用效果不能只看自动化程度。10年以上从业者对AI辅助漏洞挖掘效率的满意度为58.3%，在不同从业年限群体中最低。报告认为，这反映出在复杂、专业和高要求的安全任务中，资深人员对工具能力、稳定性和可靠性有更高期待。

　　这也意味着，AI赋能网络安全并非简单增加一个工具，而是需要把模型能力、领域知识、风险判断和实战流程结合起来，最终由可验证的任务结果检验成效。

　　AI时代安全人才实战能力边界持续拓展

　　从人才分布、能力现状，到培养路径和评价方式，这份报告所关注的核心问题，最终都指向AI时代网络安全人才实战能力的变化。

　　报告提到，未来网络安全人才建设应更加贴近真实业务和实战需求，以实际任务定义能力、以真实场景组织训练、以任务完成效果评价人才，进一步推动高校、科研机构、网络安全企业和重点行业共同参与人才培养、训练、评价和使用。（记者 李政葳 刘雨灏）