本文版權為《郵電設計技術》所有，如需轉載請聯系《郵電設計技術》編輯部
摘 要：在5G/云網融合背景下，通信運營商面臨異構日志治理難、告警處置低效、AI攻擊防御滯后三重挑戰。提出基于人工智能的新型安全運營體系，該體系通過XDR架構與圖神經網絡（GNN）實現核心網、基站、終端日志的跨設備智能聚合；結合強化學習構建“AI初篩—專家精判”分級機制；沉淀SOAR自動化處置劇本。實測結果表明，AI模型將原始告警日均處理量從11041條壓降至18條，安全事件調查耗時從12h壓縮至15min，運營效率提升48倍。
關鍵詞：網絡安全；大模型；智能聚合；強化學習；自動化處置
doi：10.12045/j.issn.1007-3043.2025.11.009
概述
隨著5G/云網融合的加速推進，運營商網絡呈現全域連接、服務泛在化的特征。網絡安全對運營商提出了三大挑戰：一是數據治理困境，異構設備日均產生TB級日志，跨系統關聯分析缺失導致有效威脅識別率難以保障；二是響應效率瓶頸，人工處置速度（200條/h）與攻防時效要求（分鐘級響應）存在量級差距；三是新型威脅防御滯后，AI驅動的自適應攻擊（如APT攻擊、高級混淆攻擊）使傳統規則庫漏報率持續提升。
在此背景下，國家出臺相關法律法規對網絡安全體系做出要求，其中《網絡安全法》第三十一條、《數據安全法》第二十七條明確要求建立“主動防御、智能協同”的安全體系，因此運營商行業面臨著合規壓力，技術升級的需求迫切。為滿足上述需求，行業內通過生成式人工智能的三大核心技術路徑重構安全運營范式，為網絡安全領域升級迭代提供了新路徑。
多維數據融合技術：基于Transformer架構的日志解析模型，可自動識別多種異構日志格式，通過注意力機制構建跨設備事件關聯圖譜，將威脅檢出準確率從傳統規則引擎的68%提升至92%。
動態風險評估體系：利用強化學習算法實時分析攻擊鏈上下文，自動生成風險等級評分，并通過可解釋性AI技術輸出攻擊意圖分析報告，使安全人員決策效率提升80%。
自動化響應閉環：結合自動化編排響應（SOAR）平臺，生成式AI可根據預設劇本自動執行阻斷攻擊IP、隔離感染終端、觸發漏洞修復工單等操作，將平均響應時間（MTTR）從人工處理的720min壓縮至15min以內，實現從“被動處置”到“主動免疫”的能力躍遷。
本研究立足運營商行業網絡安全場景，致力于解決異構系統日志關聯分析低效、安全運營人力成本高、新型攻擊防御乏力3個方面的核心痛點。通過多源數據智能聚合的XDR技術架構實現告警聚合降噪，沉淀SOAR自動化處置劇本以壓降安全防護應急響應時間，使用強化學習構建未知威脅檢測能力。研究成果不僅為運營商行業構建主動防御體系提供技術路徑，也通過探索專屬告警調優，實現了安全運營效率提升。
