F5 如何释放 AI 的力量

在 F5，我们相信应用的未来将是多云、API 优先和由 AI 驱动的。在 AppWorld 2024 上，我们宣布推出F5 AI Data Fabric，这是一个实现 AI 承诺的全新数据平台。这项创新是迈向利用 AI 提供更好的应用和 API 保护、更快并为用户带来极其轻松体验的重要一步。

显然，人工智能是目前每个人最关注的问题。 与任何令人兴奋的技术一样，它既能带来好处，也能带来风险。 在 F5，我们以创新的方式直击 AI 的核心，让其更容易、更安全地消费和使用。 借助 F5 AI Data Fabric，我们将加速在整个产品组合中采用 AI，而且我相信，AI 的一些非常具体的应用将在应用程序和 API 的安全性方面改变游戏规则。

让我们先了解一下它的工作原理。 F5 AI Data Fabric 提供一系列服务，旨在帮助从我们整个产品组合中的海量数据中获取洞察。 利用这些数据，我们可以提供报告和分析，甚至训练和部署机器学习模型来运行推理，以更好地保护和优化应用程序。 该方法提供了从 F5 分布式云服务、NGINX 和 BIG-IP 聚合数据的方法，并通过分布式云控制台显示洞察。

这种数据结构的一个关键组成部分是人工智能生态系统，它是模型、模块和 API 的集合，旨在使我们的产品团队和用户更容易使用机器学习和人工智能——正如我们所说的那样，非常简单。 它加速了我们将人工智能融入产品的能力，并极快地从创意转变为支持人工智能的应用程序。

这是一个例子。 如果您曾经训练过监督学习模型，那么您就会知道它需要大量数据，并且这些数据必须带有标签。 找到好的、有标签的数据是一项挑战，而正确地标记数据可能需要数周的辛苦工作。 当你构建模型以跟上快速变化的威胁形势时，这还不够快。

输入人工智能和大型语言模型。 为了应对这一挑战，我们利用句子转换器对训练数据集进行矢量化，并利用语义搜索来引导和自动化数据标记过程。 我们可以使用类似的技术来训练和改进模型。 假设我想构建一个分类器来检测 SQL 注入攻击。 只需一个攻击示例，F5 AI Data Fabric 现在就可以帮助我完成标记数据、训练模型以及将其打包到容器中进行部署的过程。 以前可能需要几天或几周的时间，现在只需几分钟（而且我甚至不是一名数据科学家！）。

一旦我们训练并部署了分类器模型，我们就可以再次向人工智能寻求帮助。 使用经过训练以创建正则表达式的大型语言模型，我们可以生成可部署到边缘进行实时检测的签名。 按钮签名生成使我们能够在新威胁出现时快速做出反应。

利用我们 AI 生态系统中的这些功能，我们可以大大缩短构建新检测模型并从中生成签名所需的时间。 因此，我们可以对新出现的威胁做出快速反应。 如果出现新的攻击类型，主题专家可以快速将检测功能添加到数据平台中。 生成式人工智能帮助我们以更低的成本为我们和我们的客户提供和加速更好的检测。

这只是人工智能可以为我们提供的众多用例之一。

上面我描述了F5 AI Data Fabric如何帮助我们更快地适应和应对威胁。 生成式人工智能还可以显著改善我们的用户体验。

为了让这项技术交到客户手中，我们将在今年晚些时候推出一款人工智能助手，为客户提供一个智能合作伙伴，帮助他们实现目标。 通过复杂的自然语言界面，用户将能够询问有关其数据的问题并实时生成仪表板。 他们将能够生成产品配置，甚至获得实施政策的帮助。 在 F5 AI Data Fabric 的支持下，该工具将充当嵌入式客户支持管理器，允许客户提出问题并根据 F5 可用的集体知识获得建议。

用户将会询问有关其数据的问题，例如： “上周我的基础设施遭受了多少次攻击？ 其中有多少是 SQL 注入攻击？ 他们是从哪里来的？” 对于客户来说，这是一种与数据交互、快速获得答案、生成可视化效果并实施建议的补救措施的更简单的方法。 用户可以提出诸如“如何为我的新应用配置机器人保护？”之类的问题，然后聊天机器人将总结如何操作。 除了指导之外，这还可以让用户说出诸如“为我生成已启用 WAF 的负载均衡器配置”之类的话，然后它将执行该任务。

在接下来的几个月里，我们将开始向分布式云服务客户展示此功能，我非常高兴与大家分享我们正在构建的功能。