对于每项AI部署，实施策略都必须在便利性与控制力之间取得平衡。对一些组织而言，公有云租户颇具吸引力，因为它有助于加快实施，并将基础设施管理工作交由云服务提供商承担。对另一些组织而言，关键的隐私义务、数据主权要求以及对物理隔离计算边界的需求，则要求使用专用资源，以更好地避免“吵闹邻居”或凭据泄露的影响。
随着越来越多的关键企业工作负载被重新构建为由专用模型提供支持、并使用海量企业数据训练的AI应用，将信任托付给云提供商已完全不可接受。
“F5 AI Security Platform以私有AI为基础设计原则进行构建。”
即使暂且不考虑合规和审计问题，越来越多的组织也希望避免意外产生高额的推理计算费用，因此更倾向于在私有数据中心内部署AI基础设施。随着信息安全团队与应用负责人就此展开讨论，往往会发现，风险承受能力实际上会因工作负载及其相关数据的分类而异，无法采用一刀切的方式。
还要兼顾安全
随着AI战略日趋成熟，组织必然会认识到，如果缺乏针对提示词注入、内容审核和私有数据泄露的防护，AI就无法在企业中充分发挥潜力。因此，各组织开始竞相选择能够提供模型无关型AI安全平台的供应商。这很好！当然，任何用于检查、治理和审计AI使用情况的解决方案，都需要全面检查网络传输中的提示词、响应和AI API流量。
这些“防护机制”在何处、以何种方式运行（以及审计数据存储在何处），都需要慎重决定。但问题在于，大多数商业解决方案严格限制了可用的部署模式。许多供应商的解决方案仅以SaaS形式提供，或采用其自行定义的隐私保护方式。实际上，这会在基础设施层之上形成由托管服务提供商和平台供应商共同承担责任的模式。即使是一些听起来颇具吸引力、倡导“零信任”方法的解决方案，也存在诸多重大的隐私限制。更令人担忧的是，一些供应商使用客户的私有日志来训练其安全模型，这种损害数据隐私的趋势完全背离了私有AI的初衷。
值得庆幸的是，目前已经取得了一些进展：安全平台允许客户至少在自己的控制范围内运行数据平面。但如果管理平面位于供应商的云中，配置数据、策略定义、遥测数据和运维元数据仍会流向外部基础设施，并在其中执行策略。显然，这种系统性设计缺陷会破坏每个受“保护”应用的安全态势，引入反向隧道和边界绕过、恶意代码注入、多租户数据泄露以及权限提升等威胁。
与混合运行时模型带来的优势相比，这些风险是否可以接受？客户应能够根据风险承受能力、成本和合规状况，针对每个用例作出决定。在某些情况下，这可能是合理的权衡；但在另一些情况下，攻击面实际上会扩大到涵盖供应商的整个基础设施，甚至可能横向移动回核心网络，这是不可接受的。
由客户决定
F5的战略正是在这里凭借真正的“私有AI”形成差异化，这意味着客户可以选择不存在明显例外情况的方案。借助F5 AI Security Platform，可以针对每个位置或用例调整隐私和控制级别。配置可以全面遵循严格的安全标准，还可以根据不同用例定制多种部署模式组合。
例如，红队测试可以采用SaaS模式，但在评估基于敏感数据训练的模型所生成的响应时，必须使用本地实例，也可能需要使用私有云实例。此外，不要忘记，风险并不只取决于机器的连接方式：人为行为仍是一个重要的威胁向量。
在访问控制方面，一些组织采取严格规避风险的务实做法，坚持设置计算边界。该边界只能由其信任的员工在自行选择的国家/地区边界内管理，并可根据内部GPU容量实现可预测的成本。
事实上，对于限制极为严格且高度机密的工作负载，甚至可以通过F5 AI Security Platform进行完全物理隔离部署。这意味着计算环境与互联网或任何不安全网络之间不存在任何物理或无线连接。
解决AI安全人才短缺问题
以AI为核心原生构建、用于对AI流量实施策略控制和合规管理的解决方案非常新颖，因此市场上几乎没有具备此类系统配置和扩展经验的专业人员可供招聘。
F5的战略也为此提供了解决方案：整个平台与各公司已在使用的云原生工作负载自动化平台Kubernetes保持一致。Kubernetes实际上已成为用于实现声明式状态的云操作系统，可将底层细节完全抽象化。此外，这并不只是使用Helm等软件包管理器进行安装。经过认证的Red Hat OpenShift Operator可进一步简化操作。
F5 AI Security Platform如何实现私有AI
F5 AI Security Platform以支持私有AI为基础设计原则。F5 AI Red Team和F5 AI Guardrails支持全方位的部署选项。这两种解决方案均可在Kubernetes中原生部署，并可完全在客户控制的环境中运行。检查、策略执行和修复均可在本地完成，无需向F5或任何第三方云服务发出出站调用。更重要的是，F5绝不会使用客户数据进行训练：提示词、响应和日志始终完全由客户掌控。
这一承诺不止适用于AI原生安全。随着本周F5 AI Summit正式发布F5 AI Security Platform，我们正将同样标准的部署灵活性和隐私保护扩展至 F5 Web Application and API Protection。对于每项收购和我们构建的每项能力，我们的设计理念都始于一个问题：如何将这一价值交付给安全要求最严格的用例？
F5已为AI安全提供高度灵活的部署方式和隐私保护。随着我们通过F5 AI Security Platform扩展产品与服务，我们始终坚持客户掌控这一不变标准。对F5而言，支持私有AI并非路线图中的规划事项，也不是需要特别合作才能实现的能力，而是我们构建产品的基本方式。
要详细了解F5 AI Security Platform，请阅读新闻稿。另请参阅我们的博客文章《F5 AI Security Platform：消除AI安全中的不确定性》。
关于作者
相关博客文章
三家企业如何借助AI驱动的WAF改进虚拟补丁和运行时安全
了解三家F5客户如何利用AI驱动的WAF加快虚拟补丁部署、将误报减少50%以上，并更有信心地启用阻断模式。
F5 BIG-IP v21.0增强S3工作流的AI数据交付与摄取能力
使用F5 BIG-IP 21.0版优化S3工作流：通过低接触式配置，为AI数据交付、对象存储和RAG管道提供可扩展的安全解决方案。
Everest Group报告：生成式AI行业应用的当前趋势与未来前景
我们很高兴能为全球知名研究机构Everest Group发布的一份重要新报告作出积极贡献。该报告题为《生成式AI应用：审视横向职能中的实际应用与未来展望》，深入分析了各行业对生成式AI（GenAI）的应用情况。报告指出，IT［……］