封面新闻记者 孟梅
AI正在成为网络安全攻防变革的重要力量。黄仁勋曾指出，网络安全将成为AI下一个重要应用方向。随着AI从内容生成走向自主规划、工具调用和任务执行，它不仅在改变网络安全的技术体系，也在改变网络攻防的对抗方式。
近两个月来，AI驱动的自动化攻击持续受到行业关注。攻击者开始借助大模型与智能体辅助漏洞研究、攻击路径规划、工具开发和入侵活动，攻击呈现出更高频次、更大规模、更高自动化的趋势。
面对AI带来的攻防挑战，企业不仅需要应对新型攻击威胁，也需要让AI具备专业的网络安全能力。然而，通用大模型和智能体并不天然具备专业攻防知识，行业仍面临高质量训练数据不足、实战场景构建困难、网元资源积累不足、攻防能力缺乏客观测评基准等问题。
面向这一需求，近日，永信至诚正式推出业界首个“AI模型与智能体安全能力训练靶场”。平台以强化学习训练与测评为核心，构建稳定、受控、高并发的高仿真网络环境，通过专业训练数据集与专家轨迹、实战场景快速构建、丰富的网元资源、独立结果判定和攻防实战测评基准，支持客户开展AI模型与智能体强化学习后训练，形成从能力训练、效果评估到迭代优化的完整闭环。
让AI具备红队能力
专业训练仍有四道门槛
让AI真正具备网络安全专业能力，并非简单接入大模型或赋予智能体工具调用权限就能实现。从专业知识积累到复杂场景训练，从攻防任务执行到能力评价，行业主要面临四方面挑战：
首先，专业攻防知识难以直接转化为高质量训练数据。 网络安全攻防高度依赖专家经验，漏洞分析、攻击路径选择、工具使用和防御处置往往包含复杂的判断与连续决策。静态文本和题目难以呈现专家的思考过程、操作轨迹和环境反馈，缺少专业数据集与专家级攻防轨迹。
其次，真实攻防场景构建成本高。 攻防任务涉及多种网络架构、操作系统、应用服务和业务关系，人工搭建周期长、难复用，撑不起智能体高频次、自动化、多轮次的训练。
同时，网元资源和仿真数据积累不足。智能体要在不同设备、系统组件、应用和业务环境中反复交互，缺少丰富的网元、拓扑和业务场景，训练环境就难以覆盖复杂多变的实战条件，也难以为智能体提供足够丰富的交互反馈。
最后，由于缺少客观、统一的攻防实战测评基准。智能体能否完成任务，不能只看它自己的反馈，还要依据真实环境状态、任务目标和执行结果独立核验，才能为训练优化和版本迭代提供可靠依据。
因此，面向AI模型与智能体的专业化发展，需要的不只是一个能够运行攻防任务的仿真环境，更需要将专业知识、专家经验、实战场景、网络资源和测评基准整合起来，构建覆盖训练、评价与迭代的专业化基础设施。
让AI学会像攻击者一样思考 在攻防对抗中守住数据安全边界
当AI开始参与安全工作，要让它协助守住安全边界，模型和智能体首先需要具备模拟攻击者的能力：理解漏洞如何被发现、利用和串联，才能更主动地发现风险、识别攻击路径、处置安全威胁。
这背后还有一层更深的考虑：数据反萃取。在大模型时代，数据不只可能被泄露，还可能被“萃取”——攻击者将窃取的行业数据、业务知识和专家经验转化为自身的AI能力，再以此发起更精准的攻击。数据一旦被萃取，损失的不只是数据本身，更可能是一个行业长期积累的知识与经验被对手转化为攻击优势。
让守方的模型和智能体具备红队能力，就是要在数据被窃取、被转化为攻击能力之前，主动发现攻击路径、识别安全缺口，将风险控制在发生之前。这也是大模型时代建设专业AI攻防训练能力的重要意义。
国际头部厂商持续投入靶场基础设施
中国大模型行业同样需要自己的底座
放眼全球视野，这项工作已被当作基础设施来建设。OpenAI 依托其准备度框架，用专业级夺旗（CTF）任务持续评测模型的网络攻防能力，公开数据显示，相关得分从2025年8月GPT-5的27%提升到11月GPT-5.1-Codex-Max的76%。英国人工智能安全研究所（AISI）设有专门团队建设网络靶场，包括32步的企业网络攻击场景和7步的工控系统攻击场景，用于评测前沿模型。Anthropic 的网络安全评测则借助专业第三方评测伙伴的靶场环境，仅其回顾性复查的评测运行就超过14万次。
这类基础设施对受控性的要求也极高。2026年7月，Anthropic 披露，其在与第三方评测伙伴合作的网络安全评测中，因评测环境配置问题，模型触达了三家真实机构的系统。高仿真的靶场，必须做到受控、隔离、可重置。
对国内的大模型和智能体厂商来说，从零搭建这样的基础设施，投入高、周期长。永信至诚是网络靶场领域的领军企业，深耕十余年，复杂网络环境、网元资源和攻防训练场景的积累正是长期以来的本职工作，国内厂商不必从零开始，可以在此基础上成长。
训练与验证一体化
春秋云境“AI模型与智能体安全能力训练靶场”
永信至诚春秋云境“AI模型与智能体安全能力训练靶场”围绕四项核心能力，构建AI攻防训练与测评体系：
在分层训练体系、设基础、进阶、高阶三级，覆盖策略规划、漏洞识别、漏洞利用、业务连续性守护和多阶段攻防，提供3000+策略规划与分析训练数据集、500+单一漏洞测评题目、1000+竞赛场景资源，用户可按模型成熟度选择训练起点。
再高仿真、可控网络环境下，融合真实业务场景与攻防仿真资源，支持场景快速构建、实例管理、场景重置和任务调度，提供可重复、高频次、可并发的训练环境。
以靶标状态、业务表现和执行证据为依据独立核验结果，围绕智能度、安全度、匹配度和一致性综合评价，并结合任务得分、执行耗时和Token消耗等指标，为强化学习提供可核验的反馈。
高质量轨迹数据沉淀则是建立在完整采集观测、动作、工具返回、环境反馈、任务结果与奖励等数据，质量校验后回流客户训练系统，支持后训练、策略优化和不同模型版本的横向测评。
由此，春秋云境“AI模型与智能体安全能力训练靶场”重点服务于向大模型与智能体研发厂商、高校科研院所，以及关键信息基础设施行业应用方等不同用户需求，支持攻击能力训练、防御能力训练、攻防对抗联合训练及能力测评。
威胁不会停留在今天。作为数字安全测试评估赛道领跑者、网络靶场与人才建设领军者、AI原生安全倡导者，永信至诚将把不断出现的新威胁、新风险持续转化为靶标，并通过持续服务交付给客户，让国内的AI在安全能力上跟上趋势，持续获得专业安全视角的提升。
让智能体在靶场中接受训练，让风险在靶场中提前暴露，让攻防交互成为能力提升的依据，在大模型时代共同守护国家网络空间安全。保障数字健康，带给世界安全感。
