应用安全的演进：迈向新一代ADC

F5生态系统 | 2025年2月24日

系列博客第3篇，共3篇（上一篇博客）

在前两篇博客中，我们回顾了基础设施和软件应用的发展历程：从单体式、集中式架构逐步走向碎片化和分散化。在此过程中，用于保护基础设施和应用的工具与流程也在不断演进，但其速度和全面性仍显不足。随着应用安全不断发展，以抵御新的攻击并防范新的漏洞，威胁形势也在持续演变，新的网络风险随之出现，网络犯罪分子与安全团队之间仿佛陷入了一场不断升级的军备竞赛。

随着AI的出现，这种你追我赶的创新已进入新阶段。防御方可以采用由AI驱动的自动化防护措施来维持韧性，恶意行为者也在利用AI增强其攻击活动。

如今，应用环境日益互联却又趋于分散，导致技术复杂性增加、攻击面扩大，使现有安全解决方案零散的防护措施难以奏效。此外，尽管应用安全防护不断演进，以应对日益复杂的威胁，但以往的攻击利用并未消失，而是持续演变、寻找新目标并适应现代防御措施。应用面临持续不断的威胁，需要采用统一方法，将强大的应用安全防护与应用交付控制器（ADC）服务出色的可靠性整合到一个融合平台中，从而在各种IT环境中提供更全面的防护，以及更简单、更集成的管理。

下面来看看应用安全如何不断演进，以应对基础设施和应用的变化，以及持续升级的威胁。

应用安全1.0：边界防御和防火墙

在数字化时代早期，传统单体应用托管在数据中心，防火墙负责保护这些环境的边界。所有需要保护的对象都集中在一处，应用安全的作用就是阻止恶意人员入侵并造成破坏。

随着互联网的广泛普及，网络边界的概念发生了变化，应用安全也必须适应来自外部网络的新威胁。边界安全的范围随之扩大，成为可信内部网络与互联网等不可信外部网络之间的防护屏障。

随着应用日益分布在混合多云环境中，应用安全也不断演进，纳入了新型防护措施。进入AI时代，应用安全需要再次转型，利用AI抵御AI驱动的攻击。

网络防火墙成为第一道防线，通过监控和控制进出网络的流量，保护内部网络免遭未经授权的访问、恶意软件和外部入侵。随后，一种新型防火墙——Web应用防火墙（WAF）应运而生，用于保护Web应用免受第7层（即应用层）攻击，并可过滤和检查HTTP/HTTPS流量中的恶意模式。

应用安全2.0：分布式云和WAAP

21世纪之交，应用格局发生重大转变，应用安全也随之演进。大量应用开始通过Web提供，而分布式基础设施中的云应用则成为本地数据中心应用的补充。

换言之，曾经用于划分可信与不可信、内部与外部的受保护边界，已不再是第一道防线。云应用和去中心化应用削弱了基于边界的安全防护效果，并且在许多情况下阻碍了创新。此外，依赖多个针对单点的防护措施，无法提供可有效管理的一致、集成式安全防护。

在云技术带来的这场变革中，代码变得更加模块化和分散。代码被编写或拆分为可从第三方库获取的微服务，并组装到远离任何边界防御的云端容器中。API成为云应用的连接纽带，使分布式服务和应用能够连接其他不同的系统并与之通信。API还支持不同应用交换数据。例如，零售应用通过API向PayPal等在线支付系统指定应付金额，支付系统随后返回付款确认。

同一时期，机器人也开始兴起。在凭据填充等常见的机器人驱动型攻击中，机器人利用窃取的用户名和密码接管在线账户，往往会导致欺诈。由大量恶意机器人组成的网络称为僵尸网络，它们会发起分布式拒绝服务（DDoS）攻击。犯罪分子操控来自多个联网设备的大量机器人，使网站、服务器或网络不堪重负，导致正常的合法流量无法获得服务，进而影响所有在线用户。

分布式云应用、API接口和机器人程序的激增带来了新的安全威胁，迫使组织重新思考如何保护应用和数据。WAF进一步演变为Web应用和API保护（WAAP）解决方案，旨在防御范围更广的运行时攻击。WAAP解决方案可保护Web应用和API免受包括DDoS和自动化机器人攻击在内的现代威胁，并可保护在云、混合云或多云环境中运行的Web应用、API和微服务。

应用安全3.0：AI安全

AI和机器学习的兴起正从两个关键方面影响应用安全。AI在检测和应对各种网络威胁方面可以发挥显著作用，也是当前应用安全策略的关键组成部分。然而，AI应用本身很容易受到网络攻击，因此，保护AI基础设施免受攻击已成为一项重要课题。

近年来，AI为威胁和异常检测带来了变革。AI模型可以实时分析海量网络流量，检测可疑模式。此外，AI驱动的行为分析可以识别恶意用户，并增强身份认证和验证，防止凭据滥用。AI模型还可以为预测性安全提供支持并实现威胁狩猎，帮助预判零日漏洞和新的攻击途径，避免其造成危害。

尽管AI有助于增强应用安全，但AI本身也是网络威胁的目标，必须加以保护，防范可能危害模型、污染数据或中断服务的攻击。攻击者可能会将恶意样本注入训练数据，破坏模型完整性；也可能向模型输入误导性数据来操纵模型，导致模型生成错误或有害的输出。AI基础设施也容易受到更传统的威胁，例如针对AI基础设施的DDoS攻击或勒索软件，这些威胁可能导致服务延迟或中断。

此外，AI驱动的攻击可用于自动实施网络钓鱼、加速传播恶意软件，以及生成更逼真的深度伪造冒充内容，从而加剧企业面临的网络风险。

迈向统一安全平台

尽管应用安全不断演进，以应对日益复杂的威胁，但攻击面仍在持续扩大，企业不得不应对控制措施不一致、复杂性带来的沉重负担以及不断增加的风险敞口。为了在这一不断变化的环境中保护应用，组织需要新一代ADC，其能力远超以往的负载均衡器。企业需要的是ADC 3.0，即将ADC转变为统一且一致的平台，以适应企业当前及未来面临的前所未有的技术复杂性和严峻的安全挑战。

如需了解更多信息，请阅读本系列此前发布的博客文章，了解基础设施的演进以及与之同步的应用演进。这些变化推动了市场对满足AI时代需求的新一代ADC的需求。