如果您还没有看过，我们去年整理了一份“应用交付十大挑战”清单，内容源自近30年来在各种环境中交付和保护应用的经验。
其中一项是“ADC09 定制应用要求”。简单来说，有些应用存在特殊情况，例如使用特殊协议、旧版标头或非标准API行为，因此需要能够实时拦截和修改流量，以应对这些情况。
这一挑战可通过数据平面可编程性来解决。例如，iRules或Lua可以实时拦截、检查和修改应用及API流量。这样，无需重新构建应用，也不必等待供应商跟进，即可重写标头、转换有效负载、注入身份验证信息或修正应用行为。
例如，假设某个API突然要求使用新的身份验证令牌格式。无需重写调用该API的每个应用，只需注入一条数据平面规则，即可在传输过程中重写令牌。这就是“支持定制化应用需求”。也就是说，可以调整网络逻辑，以适应应用的特殊架构。
说到“网络内”可编程性的优势，大多数人谈论的就是这种能力（数据平面可编程性）。但控制平面可编程性同样重要。
也就是说，这些API可用于管理、运维应用交付和安全基础设施，并以其他方式与之交互。超过50%的组织使用这些API实现运维自动化，从而加快各类服务的部署和管理，包括负载均衡器、Web应用防火墙、API安全服务，以及近来兴起的AI安全服务。例如iControl、FAST以及各种云API。
要扩展并保护您开始部署的所有AI智能体和应用，数据平面与控制平面的可编程性都将是成功的关键。因为在大规模环境中，静态配置和手动操作根本无法跟上AI驱动型系统的发展速度，也无法应对其风险面。可编程性正是打破这一瓶颈的关键。
为何可编程性对AI规模化和安全防护至关重要
当AI智能体和AI支持的应用开始达到一定部署规模时，传统的基础设施管理方式（例如静态配置和人工参与的自动化）将难以为继。变化速度太快。可编程性不只是有所帮助，更是从容应对混乱局面的必要手段。
AI会让变更频率激增。智能体不断上线和下线，API持续变化，流量模式每小时都可能改变。数据平面可编程性让系统能够实时跟上这些变化，无需等待代码推送或发布周期。同时，控制平面可编程性支持从上到下统一编排这一切。无需再由人工匆忙处理YAML，系统可以随着环境变化自动注册新的智能体、下发安全策略并重新路由流量。
此外，还要考虑安全性。每增加一个智能体，就会增加一个攻击面，也会带来一项必须快速做出并在各处执行的信任决策。可编程数据平面支持将安全控制直接嵌入流量路径。借助可编程能力，无需改动应用即可管理mTLS、WAF规则和令牌处理。随后，控制平面可以充当中枢，自动执行这些信任决策、撤销凭据、隔离行为异常的智能体并轮换证书，无需等待人工操作。
在AI驱动的系统中，数据平面的可编程性变得更加关键，因为许多实际决策逻辑都嵌入在有效载荷本身之中。这些有效载荷不再只是从A点传输到B点。AI智能体流量在传输数据的同时，还会携带策略、指令和行为触发条件。
这意味着，必须根据具体情境实施命令与控制， 而不能等到事后再通过某个控制平面仪表板处理。不能等中央控制器发现异常后再推送新配置，因为等它采取行动时，错误指令早已传播。数据平面必须足够智能，能够在传输过程中检查、解读并执行这些策略。
简而言之，控制平面设定意图，数据平面则负责在实际流量中执行。如果数据路径本身不具备可编程能力，所有这些策略都只会作为装饰性元数据随流量传递，所谓的“控制”实际上无法发挥任何控制作用。
规模较小时，还可以用脚本和人工审核勉强应对。但当AI驱动的组件达到数十甚至数百个时，这种方法就行不通了。可编程数据平面是实现精准控制的工具，可编程控制平面则是指挥体系。两者缺一，整个系统最终都会复杂到超出治理能力。
因此，我们认为，可编程性必须成为任何现代应用交付与安全平台的关键能力。否则，在瞬息万变的环境中，只能依赖静态策略。这并非真正的控制，而只是一厢情愿。
关于作者
Lori MacVittie是F5首席技术官办公室的杰出工程师兼首席技术布道师，在应用交付、自动化战略和基础设施领域拥有深厚的专业知识。无论是为AI智能体定义防护机制、剖析脆弱的多云架构，还是探索可扩展系统的极限，她都善于化繁为简。她在应用开发、IT架构以及网络和系统运维领域拥有30多年的行业经验。加入F5之前，她曾担任技术编辑，并因出色表现获得奖项。 MacVittie拥有计算机科学硕士学位，著述颇丰，出版作品涵盖安全、云和企业架构领域。她还热衷于桌面游戏和电子游戏，并且对奶酪有着毫不掩饰的鲜明见解。
Lori Mac Vittie 的更多博客文章相关博客文章
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。
