随着大型人工智能模型在各行各业的广泛应用，其带来的效率提升显而易见，但安全问题也日益凸显，成为企业不得不面对的严峻挑战。黑客利用大模型进行网络攻击的事件频发，给企业的网络安全防护带来了前所未有的压力。
近年来，大模型技术从训练阶段向推理阶段的加速落地，正促使AI驱动的安全攻防体系发生根本性变革。以DeepSeek为代表的大模型推理能力，不仅推动了安全增量市场的快速增长，还促使中国网络安全市场规模突破了原有的限制。绿盟科技集团副总裁宫智认为，这一变化的底层逻辑在于，推理需求推动了安全场景从“被动防御”向“主动决策”的转变。
宫智指出，随着DeepSeek应用的普及，本地化部署成为企业应用大模型的新趋势。这意味着企业需要自己承担全部的安全责任，包括大模型系统底座、网络层、应用层，以及数据安全、内容合规等涉及大模型全生命周期的安全问题。这对于企业来说，无疑是一个巨大的挑战。绿盟科技认为，随着企业本地化部署大模型的量不断增加，相关的安全解决方案将成为安全行业新的增长点。
然而，本地化部署的大模型产品也面临着严峻的安全挑战。除了硬件设备性能的问题外，基础能力的构建是最大的安全挑战。在2025绿盟科技合作伙伴大会上，绿盟科技发布了一系列大模型安全解决方案和新产品，包括大模型安全解决方案、AI驱动的自主安全运营平台、绿盟大模型安全评估系统（AI-SCAN）等。宫智表示，与原先的企业安全场景相比，大模型技术的广泛应用会带来更复杂的安全挑战，如大模型的不可解释性可能引发信任、合规和安全等风险。
当下，大模型的安全问题仍是阻碍其在ToB企业侧应用的最大障碍之一。特别是DeepSeek在短短不到一个月的时间内，就遭遇了大规模DDoS攻击、僵尸网络、仿冒网站泛滥等各种安全威胁。这些事件表明，大模型面临着包括数据安全风险、训练语料安全风险、模型安全风险等在内的七大类风险。从模型自身风险的角度出发，由于模型需要对外提供公开服务，并涉及敏感信息的开放场景，因此会引发多种安全隐患，如提示注入攻击、拒绝服务攻击等。
为了应对这些安全挑战，企业需要加强大模型的安全技术保障和运行监测，确保自身的安全性、可靠性和稳定性。以DeepSeek为例，由于其自身的防御机制建设不足，未能储备足够的防护资源以面对高强度的DDoS攻击行为，导致遭受了大规模攻击。Ollama等本地部署大模型的工具在默认情况下不具备安全认证功能，也增加了服务被滥用的风险和数据泄露的可能性。
因此，安全行业专家建议企业修改Ollama配置，加入身份认证手段，并及时修改防火墙、WAF、入侵检测等相关安全配置。同时，企业还需要定期检查和关闭不必要的端口、限制计算资源的使用、加强监控等措施来提高安全性。宫智强调，企业在应用大模型时，除了要解决刚性的安全性问题外，还需要面对更多的合规性问题。特别是当大模型训练语料进一步扩大时，模型可能存在包括鲁棒性、可解释性、幻觉等在内的多个问题，甚至存在随时失控的风险。
为了解决这些问题，宫智认为，通过通用模型与安全行业模型的结合，是当下企业安全体系建设的最优解。一方面，像DeepSeek、通义千问这样的基础通用大模型提供了强大的底层算力支持；另一方面，安全厂商多年积累的安全经验与安全数据训练出来的专家模型，可以与通用大模型相结合，形成更聚焦的安全行业大模型，赋能企业安全运营。目前，安全行业大模型主要应用于辅助企业进行安全运营层面，如研判分析、安全报告的生成等。通过大模型能力的植入，企业安全运营的效率得到了显著提升。
