关于行业趋势的博客文章
关于行业趋势的博客文章(86)
AI数据治理：管控AI全生命周期中的数据
AI数据治理有助于在整个AI生命周期中管控敏感数据。了解安全开展AI模型治理所涉及的风险、规则和最佳实践。
作者：F5 Newsroom Staff
智能体AI时代，仅靠机器人检测远远不够
智能体AI正在催生能够推理、规划和行动的自主智能体。这意味着安全团队将面临更大压力，需要判断机器人的意图并确定应对方式。
作者：Vikas Shetty
网络安全领域的智能体AI：机遇与风险
了解为何使用智能体AI开展网络安全防护对于应对AI驱动的威胁至关重要，以及智能体为何也会给企业带来新的风险。
作者：Louise Scully
当补丁修复跟不上威胁变化，而防护又刻不容缓
安全威胁的演变速度快于应用开发和部署周期，因此防护必须独立运行。了解现代WAAP如何应对这一挑战。
作者：Nirav Shah
F5 Labs AI模型安全洞察：CISO在部署前后需要衡量哪些指标
性能并非安全衡量指标。了解CISO应如何利用F5 CASI、F5 ARS和F5威胁情报衡量AI全生命周期的安全状况。
作者：Malcolm Heath, Louise Scully
歪打正着：API数量势不可挡地增至20亿
过去，API蔓延的规模受限于人工操作。如今，AI智能体可以自主创建和串联端点，推动AI相关API调用和集成快速增长。
作者：Lori Mac Vittie
智能体AI改变了CISO需要关注的关键问题
随着非人类身份不断增加，F5研究表明，需要提高可见性、加强治理并明确责任，以尽可能降低网络安全风险。
作者：Sean Murphy
灵活性与掌控力：看似矛盾的需求如何推动混合云的采用
混合多云如何从一种过渡状态演变为有意为之的架构设计选择，以及高管为何持续采用这一模式。
作者：François Locoh-Donou
Gartner®在2026年7月发布的《Gartner定制AI智能体安全指南》报告中，将F5列入第三方排行榜
了解F5 CASI如何帮助组织衡量模型风险并治理智能体AI部署。
作者：Nirav Shah在线路边界阻止前沿AI：为何内联控制是应对Mythos级模型的核心优势
后 Mythos 时代的网络防御发生了哪些变化，以及组织为何必须改变控制点。
作者：Abbas Kudrati
模型路由为何可能成为安全基础设施
智能体AI暴露了身份管理的局限。通过专用模型与基于策略的路由，将权限与模型选择绑定，从而缩小影响范围并降低治理复杂性。
作者：Lori Mac Vittie以AI速度保障安全：保护企业免受自主威胁
F5首席技术与运营官Michael Montoya阐述了在漏洞披露与遭利用之间的时间窗口大幅缩短后，当前必须做出哪些改变。
作者：F5 Newsroom Staff
恶意软件包正在摧毁我们的行业
尽管AI和自动化技术加剧了供应链滥用，开源生态系统仍缺少用于登记恶意软件包的中央注册库。该生态系统需要一种可信的方式来报告和跟踪安全失陷事件。
作者：James Hendergart
不容错过F5 Post-Mythos Security Summit的四大理由
获取专家建议，在后 Mythos 时代保护应用、API和模型。
作者：John Maddison
F5金融行业客户如何在不减缓创新的情况下应对数字主权要求
数字主权在现实中如何落地？F5近期与两家客户的合作案例表明，不同企业如何应对这些挑战。
作者：Bart Salaets
权威陷阱：F5 Labs AI威胁情报揭示AI攻击面不断扩大
F5 Labs对F5 CASI、F5 ARS.及威胁情报的研究表明，模型风险、不断变化的韧性和权限过大如何扩大AI攻击面。
作者：Malcolm Heath, Louise Scully
AI经济格局将在数据传输中见分晓
了解为何推理路由、安全性和路径内控制，而非仅靠更快的GPU，将影响每个令牌的成本和AI基础设施的经济效益。
作者：Santosh Erram
AI应用交付十大问题：资源利用率低
AI会导致资源利用率大幅波动：请求成本会因提示词、上下文和推理过程而显著变化，因此仅按每秒请求数（RPS）进行路由会造成GPU负载热点、请求排队和延迟骤增。
作者：Lori Mac Vittie
AI应用交付十大要点：定制应用需求
AI让“定制化”从少数情况变为常态：请求会形成组合式调用链（模型选择、检索、策略和工具），因此交付必须针对每个请求进行调整，而不是按应用统一处理。
作者：Lori Mac Vittie
应用交付控制器重回战略议程
AI正在提高应用交付的要求。F5的Nirav Shah解读Gartner®最新发布的ADC研究，以及该研究对企业基础设施决策的意义。
作者：Nirav Shah
AI的下一个时代在于共享，而Kimi K3刚刚让共享变得代价高昂。
Kimi K3表明，开放式前沿模型为何需要机架级基础设施。了解F5与NVIDIA如何提升AI推理交付的安全性和效率。
作者：Ahmed Guetari
AI应用交付十大挑战：缺乏安全保障且不符合法规要求
AI将合规范围从保护传输路径和存储扩展到治理运行时行为，包括模型访问、检索上下文、输出和智能体操作，因此控制措施必须更贴近推理环节。
作者：Lori Mac Vittie
AI应用交付十大问题：交付策略不兼容
策略不一致会引发AI服务中断：不一致的故障转移、超时、限制和安全控制会导致软故障、结果不完整，以及不同端点产生不同结果。
作者：Lori Mac Vittie
AI应用交付十大挑战：无法应对延迟
AI使延迟不再只是性能问题，更关乎信任：缓慢的“助手”响应会让人感觉系统迟疑或出现故障，而大量使用令牌的提示词和输出即使在系统运行正常时也会增加工作负载。
作者：Lori Mac Vittie
AI应用交付十大问题：流量调度未优化
AI打破了传统流量调度的固有假设：后端并非可以互换，成本各不相同，智能体的扇出模式也难以预测。因此，路由必须考虑模型、GPU运行状况和数据本地性。
作者：Lori Mac Vittie