8月25日，奇安信集团在京发布了Q-GPT（奇安信大模型）安全机器人和大模型卫士。Q-GPT安全机器人是基于奇安信大模型的“虚拟安全专家”，可以全天候工作，一台机器人等于60多位安全专家，可产生约2000万元的运营效益，极大提升了生产力。大模型卫士集安全风险发现、大模型访问控制、数据泄露管控、违法违规行为溯源、大模型应用分析等为一体，帮助企业更安全的向大模型要生产力。

在会上，京东方集团和吉利汽车集团等客户现场签约，成为国内首批Q-GPT安全机器人和安全大模型用户。同时，大模型卫士现场获得了国内多家客户的签约意向。

“从我们开始训练自己的GPT安全大模型开始，就制定了明确的目标：一定要让客户在使用奇安信的GPT产品时就像是雇佣了一个高级安全专家队伍，把产品领回去就能变成自己的力量。所以这个产品的形态一定不会是一个问答对话框，而是一个聪明的机器人，它能帮助或者替代安全专家执行复杂任务，能全天候工作，成为真正的生产力。”奇安信集团董事长齐向东表示。

我国网络安全人员缺口将达到327万

在网络安全上，政企机构长期面临着三大困扰，分别是告警疲劳、专家稀缺、效率瓶颈。首先，攻击者手法层出不穷，攻击频次日益密集，企业每天都会产生海量告警，有限的安全专家无暇应对，通常只有1%的告警被研判，99%的告警被无奈放弃，形成告警疲劳；其次，安全本来就是一个知识、技术和实战经验要求很高的行业，高水平人才难以快速培养，企业面临着专家少的难题，据教育部统计，到2027年，我国网络安全人员缺口将达到327万；第三，人本身受制于精力、情绪、状态等多方面因素，不可能全天候工作，形成效率瓶颈，也就是加人不划算、不加人干不完。

奇安信安全机器人究竟创造多大的生产力？以处理告警这个安全运营场景为例，一个3000人的数字化企业每天平均大约有10亿条日志, 产生约10 万条告警。一个安全分析专家一天最多能处理480条，要想把10万条全部处理完，需要200多个专家，按每人每年30万成本计算，需要6000多万元，这对于绝大多数企业显然难以承受。但如果选择奇安信安全机器人，每台机器人效率相当于60多位专家，可以产生约2000万元的运营效益。

安全大模型是机器人的核心基础，Q-GPT基于奇安信多项业内领先的自研技术，例如预训练阶段tokenizer采用QPiece算法,以高效支持中英文和各种编程语言；在模型中使用分组注意力机制代替传统多头注意力机制，以获取更好的训练和解码速度。同时，在推理阶段，也使用了高效加速框架，加速比达6.5倍。

在现场演示中，奇安信安全机器人展现了强大的智能分析和自动研判能力。某客户安全分析平台收到了海量告警，通过安全机器人，可以实时、自动为客户研判“全部告警”，将需要响应处置的告警过滤出来，解决日常分析安全工程师的“告警疲劳”、“研判疲劳”问题，避免“漏报”和“误报”。

京东方集团和吉利汽车集团在发布会现场签约，成为国内安全机器人的第一批用户。京东方集团信息安全中心负责人李楠表示，“网络安全运营中有大量告警，而企业的安全专家总是非常稀缺。京东方随着业务的快速发展，分支机构、工厂也同步增加，网络安全暴露面不断扩大，大量安全设备日志和告警成为安全团队的困扰。希望新的Q-GPT能够帮我们解决安全研判等问题，尤其是非工作时间的应急事件自动处理，提高安全事件应急响应效率，解放安全专家及安全运营人员的人力。”

吉利汽车集团有限公司安全总监徐正伟表示，车联网是当前非常热门的领域，智能网联汽车除了拥有车辆本身数据外，还包括城市交通数据和用户个人数据等等，具有极高价值，数据安全关乎着国家安全和个人安全。面对来自云、网、端等越来越复杂的安全风险，我们期望使用Q-GPT安全机器人，就像雇佣了一个高级安全专家团队，能够提升吉利汽车的整体安全能力。

解决“想用不敢用”难题，大模型卫士助企业解放生产力

“解决大模型数据泄露难题，迫在眉捷。”奇安信集团副总裁张卓表示。此次发布会，奇安信正式推出业内首款大模型卫士产品，解决广大企业客户对于大模型“想用不敢用”的顾虑，让他们能够用好大模型提升核心竞争力。

张卓认为，数据泄露带来的直接结果，就是企业核心竞争力的逐步丧失。以某行业龙头企业A为例，该企业拥有大量核心技术专利，形成了强大的技术壁垒，然而，由于员工大量使用大模型应用处理日常工作，且缺乏监管，最终数据投喂过程中公司敏感技术信息不断泄露，时而久之，这些重要技术信息变成GPT知识库的一部分，又通过GPT传授给同行对手企业，导致企业的核心竞争力逐步丧失。

相反，作为一家现代企业，如果不积极使用GPT改进自己的技术、产品和市场推广，就会有落伍的风险。张卓进一步指出，行业里有一个共识，不掌握GPT方法的人，会失业；不使用GPT的企业，会落伍。

与此同时，数据安全相关法律法规为大模型应用定下了监管红线。

针对这些情形，奇安信发布了大模型卫士，为企业在使用大模型过程中提供四重防护：

第一是防止数据投喂造成的敏感数据泄露。包括建立内部技术监管手段，防止员工向大模型投喂敏感数据。

第二是建立身份识别与溯源机制。把身份与数据关联，在发生数据泄露风险时，找到数据泄露的主体。

第三是避免触发数据跨境安全监管红线。有效监控对ChatGPT等国外大模型的数据投喂行为，避免数据跨境安全违法的发生。

第四是对企业内部大模型应用状况全面分析。对员工的大模型应用状况进行分析，快速、有效的利用大模型技术重构企业经营生产活动流程，调整资源配置。

目前，大模型卫士能够完美适配主流大模型应用，并在终端侧和网络侧，通过检测审计平台、安全代理网关（SWG）等工具，对GPT实现精准管控，全面降低数据安全风险。

通讯员 齐琦