AI安全需要完整数据：SIEM日志丢失上下文成盲区

资讯专家

传统的安全分析长期依赖日志和事件，但日志本身是对现实的有损表示。安全产品在转发遥测数据前会预过滤和标准化，最终进入SIEM的只有环境产生数据的约10%-20%。进程创建事件到达时，往往已经被剥离了完整上下文，以及与相邻事件之间的时间关系。

AI时代把这种问题放大了。AI驱动的攻击通常横跨多个域，检测并关联它们需要完整的多产品数据。比如，一名即将离职的员工打开竞争分析文档、下载、上传到个人云盘，再通过外发邮件抄送一份，这个链条涉及四个不同的系统。传统SIEM只能捕获孤立的片段——DLP在下载时告警，CASB在上传时标记——但如果没有文件的完整血缘关系，无法重构真实意图。

在AI降低攻击门槛的背景下，应当默认攻击者已经进入内网，重点是发现偏离正常基线的细微行为。但小样本无法呈现模式。凌晨1点的一次登录难以判断，而同一账号在6个月内产生50次登录，结合设备遥测和访问模式，才能区分是出差中的CFO还是使用被盗凭据的攻击者。

因此，AI安全需要的是全保真、未过滤的原始数据：不仅包括安全遥测，还包括基础设施和运行数据（网络、OT传感器、IoT、SaaS、云），身份数据（人类与非人类身份，服务账号、API密钥、令牌），终端用户数据（文件、文档、内容），以及理想情况下企业的专有数据——核心资产。

最有价值的数据往往也是最不可见的安全数据：业务文档、源代码、知识产权、客户记录、财务模型。这些正好是攻击者优先瞄准的目标，却常常因隐私顾虑、监管约束，或因CISO不愿将专有数据交给第三方云而被排除在分析之外。这是架构选择，不是技术限制。AI看不到源代码库，就无法检测开发者在离职前克隆整个代码库；AI看不到财务模型，就会漏掉内部人员外泄季度预测。相当于欺诈调查员被禁止查看财务记录，调查还在继续，但欺诈无法被发现。

如果把AI运行在企业自己的环境内、由企业自己控制，就不存在把核心数据交给第三方的合规顾虑，核心资产才能真正进入AI驱动的安全分析。完整数据与数据主权是同一个问题的两个角度：一个问AI能看见什么，另一个问谁能控制它看见的内容和产生的输出。数据隐私、模型和权重的主权，正在成为组织和个人部署AI安全的关键条件。

最终，AI驱动安全的未来不是由谁拥有最先进的模型决定，而是由谁能在不放弃控制权的前提下，以全保真、具备深度运行上下文的方式，把最完整的数据交给AI。

原文：https://www.securityweek.com/the-future-of-ai-driven-security-depends-on-complete-data/