NVIDIA明确指出了企业AI的发展方向。智能体AI对基础设施的要求已超越单纯的计算能力。随着自主智能体持续进行推理、检索和操作，数据成为燃料，存储成为首要资产，而数据保护和可观测性则成为AI工厂的基础运营能力。这一转变改变了安全与韧性模型。
随着面向NVIDIA DOCA的全新及增强型安全功能正式发布，NVIDIA Vera BlueField-4 STX通过将针对数据、智能体和上下文记忆的实时保护直接嵌入芯片，NVIDIA正在定义一种全新的安全设计型AI存储。其结果很明确：安全机制从被动控制转向主动、策略驱动的执行，并能以AI智能体的速度运行。
“将DOCA Argus运行时可见性与F5等企业级流量和安全网关相结合，组织可以更早检测威胁、更快遏制威胁，并确保AI服务在压力下持续运行。”
更重要的是，这向整个行业释放了怎样的信号。当基础设施平台将安全能力嵌入信任域后，讨论的重点便从“我们能否附加足够多的工具？”转向“我们能否在保持AI工厂运行速度的同时，对基础设施中的每项资产实施策略？”这正是企业逐步形成共识的基准。
这一点至关重要，因为在智能体系统中，安全已不再只是保护端点，而是要以持续、内联且可扩展的方式，管控智能体与其访问或生成的数据之间的每一次交互。在AI工厂中，最敏感的操作往往并非提示词，而是通往专有数据集和模型的快速、可靠且受管控的检索、访问和生成路径。因此，安全设计型存储、数据保护、可观测性和策略护栏正逐渐成为基础能力。
NVIDIA发布内容：面向AI工厂的统一DOCA安全堆栈
NVIDIA采用安全设计方法构建AI原生存储和数据基础设施，其核心是DOCA安全堆栈。该堆栈在整个平台上一致部署，并在BlueField信任域中强制实施。NVIDIA Vera BlueField-4 STX Security提供三层互补保护：
- AI原生数据保护：NVIDIA DOCA Vault。DOCA Vault是面向文件存储的零信任访问层，可对访问请求实施策略，并能实时阻止未经授权的访问，即使主机操作系统已遭入侵。
- AI推理保护：NVIDIA DOCA Flow与NVIDIA DOCA Argus。DOCA Argus可提供推理工作负载行为的运行时可见性，支持在多租户AI环境中进行AI发现、暴露面管理和实时威胁检测。DOCA Flow通过以高达800 Gb/s的速度执行线速网络策略来扩展保护范围，在不影响AI性能的情况下，实现智能体、租户和推理管道之间的安全隔离。DOCA Flow直接在AI数据路径中运行，可在分布式推理环境中实现高速流量检查、分段和安全通信。
- AI智能体保护：DOCA Argus与生态系统安全网关集成。NVIDIA Vera BlueField-4 STX引入了一个新的控制点，用于监控和管控AI智能体与数据及外部系统的交互方式。通过将DOCA Argus与NVIDIA生态系统合作伙伴提供的企业AI安全网关（包括可感知实时遥测数据的策略执行层）集成，该平台可持续在芯片层面分析智能体行为，包括完整性、操作、数据访问、网络活动、智能体之间的交互以及执行模式。当行为偏离预期时，平台可立即采取措施，例如阻止网络访问以隔离智能体、防止数据外泄，并在风险扩散前加以控制。
这正是行业的发展方向：将安全能力内置于基础设施层，而不是事后附加。
借助F5和NVIDIA DOCA Argus，将运行时遥测数据转化为行动
NVIDIA BlueField-4提供芯片内策略执行点，DOCA Argus则提供AI工作负载的运行时可见性。F5 BIG-IP Next for Kubernetes在此架构中充当可感知实时遥测数据的企业AI安全网关，实时接收DOCA Argus信号，并根据策略做出安全决策，以加强对AI智能体的保护。F5在此基础上进一步增强AI数据管道和存储服务的韧性、安全性与可观测性，帮助组织将运行时信号与实时流量上下文关联起来，并在行为偏离正常状态时更快响应。
BIG-IP Next for Kubernetes还可提供仅靠基础设施遥测无法获取的南北向流量上下文。与DOCA Argus结合使用时，BIG-IP Next for Kubernetes不仅能观察运行时行为，还能将运行时遥测转化为策略执行依据，结合实时工作负载信号与流量上下文做出安全决策，并以内联方式应用策略。这样便可从两个互补的视角了解同一事件：API和租户在入口处执行的操作，以及工作负载在运行时执行的操作。
同一模式也适用于NVIDIA DOCA Vault和存储安全。BIG-IP Next for Kubernetes通过隔离、保护和管控数据服务的访问路径，帮助为存储和数据访问构建零信任层。结合DOCA Vault，BIG-IP Next for Kubernetes有助于实施策略、加强租户隔离，并保护共享AI基础设施中的存储访问路径。
F5还增强了NVIDIA BlueField-4 STX Security架构中智能体AI的韧性和安全性。借助F5 BIG-IP，客户可以保护AI数据管道和存储服务免受DDoS攻击、流量激增和异常负载状况的影响，使关键服务在压力下仍能保持运行。F5还可以通过智能引导AI流量，并为延迟敏感型AI工作负载提供服务质量支持，提高GPU及其他AI资源的利用率。这种关联分析让判断从“似乎有些异常”转变为“我们高度确信系统已遭入侵”。它还能实现快速且有针对性的缓解，避免采取影响所有租户的全面关停措施。
为何运行时与流量关联分析将成为下一个安全控制点
生产环境中的AI面临的一大难题，是区分合法使用与早期入侵。许多攻击并不会表现为大流量洪泛，而是看似对公共推理端点的有效调用，并且通常已经过身份验证。只有将入口行为与工作负载内部发生的情况关联起来，才能发现这些攻击。
这正是NVIDIA Vera BlueField-4 STX与F5联合方案发挥强大作用之处。
端点行为、错误率和中止率、延迟变化及租户上下文等南北向信号，可帮助了解边缘侧正在发生的情况。DOCA Argus提供的运行时遥测数据（例如进程活动、意外出现的shell或命令，以及新的出站连接）则可揭示推理堆栈内部本不应发生的情况。
当这两个视角在同一时间窗口内相互印证时，便可迅速将可疑活动判定为高置信度攻击，并在影响范围扩大至共享AI基础设施之前采取行动。
实际示例：检测看似合法的推理攻击
以一个公共AI API端点为例，其流量已通过身份验证且看似有效。总体请求量并不高，但服务行为发生了变化。响应时间从不到1秒骤增至数秒。同一端点的错误率和中止率也随之上升。请求的负载大小集中在预期范围的上限附近。
仅从流量角度来看，这可能像是某个租户产生了过多干扰，也可能是一起性能事件。
现在，在处理这些请求的特定GPU服务器上，使用DOCA Argus添加BlueField信任域视图。模型服务进程意外启动了交互式shell。紧接着，同一进程向外部目标发起新的出站HTTPS连接。这些行为组合与命令与控制活动或暂存和数据外泄相符。
此时，集成在运营层面的关键作用得以显现。BIG-IP Next for Kubernetes可将API性能下降与租户及请求上下文关联起来，同时DOCA Argus可确认处理这些请求的特定后端存在异常运行时行为。两者结合，可生成高置信度的检测信号，从而支持快速、精准的遏制措施。
在实际应用中，这有助于实施针对性缓解。企业无需将其作为一般事件处理，而是可以隔离受影响的路径，同时保持其他租户和端点的整体服务连续性。
更大的转变：一体化设计，而非拼装
AI工厂模式正在推动建立新的基准。性能、每令牌成本和可信度必须协同设计。NVIDIA Vera BlueField-4 STX和NVIDIA DOCA安全堆栈通过将策略执行嵌入芯片，并在隔离的信任域中运行，朝着这一基准迈出了重要一步。
随着这一架构成为企业构建AI工厂的参考范式，生态系统集成愈发重要。基础设施层面的安全信号，只有配合能够据此采取行动的控制措施，才能充分发挥价值。DOCA Argus运行时可见性与企业级流量和安全网关相结合，使组织能够更早检测威胁、更快遏制威胁，并确保AI服务在压力下持续运行。这一里程碑是F5与NVIDIA持续推进广泛合作的一部分。BIG-IP Next for Kubernetes已与NVIDIA BlueField DPU和DOCA加速的AI基础设施协同，可将高性能流量管理、安全防护和AI感知控制引入生产AI环境。此次合作以此为基础，进一步扩展至NVIDIA Vera BlueField-4 STX，通过增强可见性、策略执行和运营控制，帮助企业保护数据、推理和智能体。
AI工厂需要的不只是更多GPU，还需要采用安全设计的基础设施，既能跟上智能体的发展步伐，又能在此过程中保护企业数据。
如需了解详情，请访问：技术联盟：F5与NVIDIA
关于作者
相关博客文章
Thingbot正转变为攻击平台
Lori MacVittie重点介绍了F5 Labs对2018年1月至6月全球物联网设备攻击的研究，并指出了其中令人警醒的影响。物联网设备不仅持续遭到利用，还被转变为攻击平台，这意味着攻击者可以更充分地利用这个必然增长的市场。
借助F5全新Quick Start，在AWS上快速开展业务
在AWS re:Invent开幕前，我们很高兴与大家分享F5与AWS之间全新的Quick Start集成。F5的Tom Atkins将介绍该服务如何启动、配置和运行在AWS上部署工作负载所需的计算、网络、存储及其他AWS服务。