大模型火不火?太火了!
如果你还以为现在大模型只能用来吟诗、绘画、写歌、做视频?不不不,不法之徒已经可在用大模型搞黑客攻击了↓
比如,最近国外研究团队利用GPT设计出了黑客智能体框架,这个家伙在阅读CVE之后,就可以学会漏洞攻击。
测试攻击成功率高达87%,单次攻击成本仅8.8美元。
这只是个案?
不不不,已经有越来越多的攻击大模型冒出来了,比如WormGPT、FraudGPT等等,都凶猛得很呀。
形势看起来很严峻,搞攻击的已经这么先进了,那咱搞防御的是不是要做点什么?
放心,安全从业者不会坐视不管的,以AI对抗AI,有人已经在路上!
比如,国内安全头部企业深信服已经早早布局,到现在已经超130家用户应用,落地数量标志着绝对优势,领跑行业。
他们为了大模型在安全领域落地,可谓操碎了心。
早在去年5月18日,深信服就在国内率先发布了安全垂域大模型:安全GPT,并成为国内首个通过双重备案的安全大模型。
深信服安全GPT
到底能干哪些事儿?
我们先来客观看看,大模型的新特征,能为信息安全领域,带来什么样的技能包。
众所周知,如今的大模型相比传统AI小模型,文本理解和生成能力、知识泛化能力等多方面都强太多了。
也就是说,更高Level的智能已经涌现了。
于是,业界的安全公司都在探索,让大模型能像人类安全专家一样,去解决相对应的安全问题,细分方向很多。
而深信服安全GPT的落地思路,并不是一抓一大把,每个领域都进行尝试,而是基于客户面临的“高威胁、高影响、高价值”几个场景进行落地。
他们把落地方向分两大类,检测大模型和运营大模型。
这两类场景,用户需求紧迫,而且可以与现有产品密切结合。
比如检测大模型可以与深信服NGAF、NDR、EDR产品形成联动,而运营大模型则可以成为XDR产品的最佳“安全搭子”。
下面,我们挨个看看,深信服是怎么玩的↓
01
利用检测大模型,进行高级威胁检测
比如,结合NDR/XDR产品,深信服安全GPT可以实现对网络流量的未知威胁检测。
在实际检测中,深信服安全GPT攻克了传统威胁检测引擎难以逾越的两个难题:
第一,在少量样本甚至是无样本前提下,检测出新型威胁,这对0day漏洞检测至关重要。
第二,精准研判攻击结果,不仅检测是否发生了攻击事件,更能精准判断那些攻击成功的事件。
凭什么单单深信服能攻克这两个难题?
传统检测引擎,要么基于规则特征库匹配,要么基于机器学习特征检测,核心靠的还是匹配和分类。
比如,可以认识黑猫、白猫、橘猫,或者基于明显的“喵特征”来判断是不是猫。但认完猫,换一条狗,就可能不认识了,除非特征库足够全。
而大模型的核心运用逻辑是“生成式”的。
经过海量的通用语料库和安全垂直语料库训练之后,检测大模型就像一个懂攻防、识代码、会推理的“虚拟安全专家”。
它的本质并不是在做分类任务,而是通过逐层的生成式任务,依照宏观的安全专家逻辑进行一步步的生成式判断,并且具备泛化能力。
比如,它拥有“猫”的一切知识,能“生成猫”,能通过一点点蛛丝马迹来识别猫,认识猫以后,还能触类旁通认识老虎。
由于泛化能力强,检测大模型能在少量样本/无样本情况下(比如并没有老虎的样本,相当于0day)。基于Zero/Few-Shot技术,检测出新型威胁,大幅提升0day漏洞检出率。
同样,在攻击结果检测中,监测大模型可以抽丝剥茧,成功还原被混淆的攻击载荷,并找出潜在的攻击成功回显特征。
具体实战效果怎么样呢?
2023年9月-11月间,深信服检测大模型初出茅庐**,**蓝军就用它捕获了32个在野0day漏洞(漏洞细节此前未必披露过),一战成名!
02
利用检测大模型,实现主机防钓鱼
此时,安全GPT就可以与aES探针结合,来进行钓鱼邮件监测。
与传统方案(邮件安全网关等)相比,检测大模型像资深人工专家一样,进行综合意图评估和研判,大大提升检出率、降低误报率。
在实测中,深信服安全大模型检测了3万高对抗钓鱼邮件与100万白邮件。
检出率从15.7%飞升至91.4%,误报率从0.15%降低至0.046%,吊打传统终端安全和邮件网关产品。
03
利用运营大模型,实现安全辅助驾驶
想象一下,一个安全大模型,化身5年经验的安全专家,为你提供陪伴式服务。
看不懂攻击数据包?丢给它!分分钟给你讲个明明白白↓
安全趋势整不明白?问问它!绘声绘色让你醍醐灌顶↓
这个“专家”不仅可以精准理解用户的自然语言意图,又精通安全产品的实时日志、资产、告警的机器语言。
这些能力,涉及到模型基础能力训练和微调,以及与大量的API、向量数据库、关系型数据库交互。
同时,安全产品的特殊性,还要涉及到与客户本地数据打通,形成私有安全知识库。
所有这些问题,想想就很头大。
但深信服拼的就是一个头铁,硬是把这一系列工程化难题都啃下来了。
试试你就知道了,深信服安全GPT的实时对话体验,那是相当顺滑。
04
利用运营大模型,实现安全自动驾驶
到了这一步,就更加智能了。
作为国内首个提出安全自动驾驶理念的厂商,深信服将安全GPT用于全天候安全值守。
这个负责任的“专家”,可以与XDR协同作战,支持全量告警逐条分析、全量研判,一条也不会漏看。
同时,有效告警实现自动化处置,如果实在拿不准,就转人工,由运营人员介入决策。
在安全运营场景引入深信服安全GPT后,效果大大不一样。
以前安全运营靠人肉,还得是资深专家,走完一个安全闭环,至少仨小时。
如今,安全GPT辅助运营模式,10分钟完成闭环;安全GPT智能驾驶模式,30秒就能跑完全程!
为什么深信服安全GPT
能够一枝独秀?
01
布局早,投入大
深信服走了一条难而正确的路。
过去十年间,深信服基于对AI的笃定,校招了大量的AI博士、硕士,这些人才过去做计算机视觉、做自然语言处理,基本都不懂安全。
但就是靠着这一份坚持,这一批硕博在大量AI安全项目中磨练,成为了业内独一份既懂安全又懂AI的复合人才。
大模型时代到来,这批人大放异彩的moment终于来了!
02
自身的独特能力积累
大模型训练离不开大数据,安全大模型训练离不开安全大数据。
深信服20年累积的海量安全数据,恰恰成为了投喂安全GPT的最佳饲料,这其中包括1400亿Tokens通用语料库和1000亿垂直语料库。
同时,深信服的主营业务是云+安全,放眼国内,这样的架构独一无二。
这恰恰为安全大模型提供最佳的架构支撑,让安全GPT能够快速发展壮大。
不仅如此,在这个高速发展的过程中,深信服用GPT赋能安全,同时,特别加码GPT自身的安全建设,持续夯实基本盘。
03
强大的AI和安全产品工程化能力
大模型的落地,算力消耗是绕不开的话题。
模型优化不好,被算力卡了脖子,很可能根本落不了地,尤其是实时流量检测、告警研判。
深信服恰恰懂云也懂AI,多年来在小模型、AI算力平台等方面的优化经验,使得其具备了强大的AI训练、推理性能优化能力。
举个典型例子,深信服能在消费级显卡上把检测和运营大模型跑得飞起,直接做到几块消费级显卡,就可以支持十几G的网络流量实时检测。
04
实战落地成功,不玩PPT
讲真,国内号称已有或在规划的安全大模型,有好大一票了。甚至都让行业客户产生了选择困难症。
但懂行的客户都知道怎么选:看PPT,不如看落地!
那么,安全大模型实际落地哪家强?非深信服莫属!
截至目前,深信服安全GPT已经有超130家落地用户,覆盖金融、能源、政府机关、企业等,安全大模型落地用户数量国内领先,实践经验丰富。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。