欧阳老师 网络安全专家
课程背景
随着数字化转型的加速，企业业务全面云化、数据驱动化、边缘化，网络安全面临前所未有的挑战：攻击面指数级扩展、威胁手段智能化、供应链安全风险剧增。与此同时，人工智能技术的成熟为网络安全防护提供了新范式，如自动化威胁响应、行为预测分析等。如何将AI技术与实战化安全体系深度融合，实现“安全更智能、智能更安全”成为企业亟需解决的核心问题。 本课程聚焦数字化转型背景下的全流程安全防护，结合AI技术创新与红蓝对抗、应急响应等实战化场景，为企业构建智能、动态、闭环的网络安全防护体系提供方法论与实践路径。
课程收益
全面掌握“智能驱动安全、安全赋能业务”的数字化转型防护体系，助力企业实现安全与效率的双重提升。
1.掌握核心理念：理解数字化转型中网络安全的新挑战与AI驱动的防护逻辑。
2.技术融合能力：学习AI在威胁检测、自动化响应、预测性防御中的关键技术。
3.实战化体系构建：通过案例与演练，掌握红蓝对抗、智能SOC建设等实战化方法。
4.行业趋势洞察：了解零信任、SOAR、AI安全治理等前沿方向与应用场景。
授课形式
1.主题授课：核心理论与技术框架讲解（40%）。
2.案例分析：国内外典型攻防事件深度剖析（30%）。
3.技术实战演练：AI威胁狩猎平台、AI助力红蓝对抗推演（20%）。
4.互动研讨：分组讨论企业个性化安全痛点与解决方案（10%）。
学习对象
1.企业CSO、网络安全总监、安全架构师等高级管理人员。
2.需具备网络安全基础知识和数字化转型实践经验。
3.数字化转型业务线CTO、IT基础设施负责人
4.AI研发团队安全合规专家
时间安排：系统学习2天（12小时）
课程大纲：
1.数字化转型中的网络安全新挑战
1)数据驱动业务的风险暴露点（数据泄露、API安全）。
2)云与边缘计算环境下的攻击面扩展（容器安全、IoT漏洞）。
3)供应链安全的复杂性（第三方服务商风险、开源组件治理）。
4)案例：某金融企业云上数据泄露事件溯源分析。
2. AI驱动的网络安全技术创新
1)智能威胁检测：基于机器学习的异常流量识别（如UEBA技术）。
2)自动化响应：SOAR平台与AI告警联动（低代码剧本设计）。
3)预测性防御：攻击路径建模与风险评分系统。
4)使用AI训练恶意软件检测模型。
3.智能安全技术架构
1)分层防御：边缘计算层（轻量化AI检测）- 核心网络层（图神经网络行为分析）- 云平台层（联邦学习隐私保护）
2) 关键技术栈：
（a)对抗生成网络（GAN）在蜜罐诱捕中的应用
（b)强化学习（RL）动态调整安全策略
（c)因果推理定位高级持续威胁（APT）
4. 实战化安全体系建设
1)红蓝对抗演练设计：
（a)攻击链模拟（从钓鱼攻击到横向移动）。
（b)防守策略优化（基于AI的日志关联分析）。
2)应急响应流程升级：
（a)AI辅助事件根因分析（自动化取证与溯源）。
（b)跨部门协同作战（IT、业务、法务联动）。
（c)举例：某制造业APT攻击事件的全流程处置。
5. 智能安全运营体系（SOC 3.0）
1)从传统SOC到AI驱动的智能安全运营中心。
2)关键技术：威胁情报聚合、自动化工单分配、动态权限管控。
3)案例：某互联网企业SOC智能化升级后的MTTD降低50%。
6.智能安全运营体系构建
1)组织与流程设计
（a)新型岗位能力模型：AI安全工程师、算法审计师
（b)人机协同流程：安全分析师与AI助手的分级响应机制（含SOP模板）
2)风险治理框架
（a)AI系统全生命周期安全管理：开发安全（如模型版本控制）、运行监控（对抗样本检测）、退役审计
（b)合规性实践：满足《生成式AI服务管理暂行办法》的技术方案
7.前沿趋势与战略规划
1)下一代安全技术展望
（a)零信任架构与AI的动态权限验证。
（b)AI安全治理：模型可解释性、数据隐私保护（GDPR/《数据安全法》）。
（c)研讨：生成式AI（如ChatGPT、DEEPSEEK等）带来的新型安全风险与应对。
2)企业级实施路线图
（a) 成熟度评估模型（从L1被动防御到L4自主安全）
（b) 3年分阶段规划：试点验证→垂直场景深化→全域智能免疫
8.课程总结与Q&A
1)总结数字化转型中安全体系的核心逻辑。
2)开放式讨论：企业如何平衡AI创新与安全合规。
课程特色
1)紧贴实战：70%内容为工具操作与攻防演练。
2)前沿技术：覆盖AI、边缘安全等新兴领域。
成果输出：学员可带走定制化的AI安全防护方案模板。
授课老师
欧阳凌峰 国内网安头部企业，网安首席专家
常驻地：武汉
邀请老师授课：13439064501 陈助理
