当人工智能安全风险加剧 网络安全人才能力如何升级 《网络安全人才实战能力报告-AI赋能篇》发布

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。

9月18日，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”）正式发布，对这一变化进行了系统梳理。

报告是网络安全人才实战能力研究系列继“攻防实战能力篇”“人才评价篇”“安全测试评估篇”之后推出的第四篇章，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。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在发布现场对报告进行解读。

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。

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。

从课程普及走向真实场景训练

目前，68%的高校已将AI相关课程设置为独立必修课或选修课，但只有10%的受访教师认为所在高校已建立较为完备的AI安全实训体系；具备较为充足算力条件、能够支持模型训练和对抗攻击实验的高校占26%；具备网络安全攻防与AI算法双重经验的教师约占21%。

基于ASK-P网络安全人才实战能力评价体系，报告进一步探索面向三类实战场景的分类分层评价方法，关注人员能否在真实或仿真环境中完成安全任务、处置实际风险并形成可验证成果。其核心指向是：用任务定义能力，用场景组织训练，用结果评价人才。

AI时代，网络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。

报告提出，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。

永信至诚表示，未来将继续联合高校、科研机构和行业伙伴，围绕真实业务、真实风险和真实攻防场景开展研究，为AI时代网络安全人才培养与评价提供更多实践参考。