Web应用安全的演进：AI驱动的WAF和运行时威胁检测如何推动网络防御转型

生成式AI和机器学习工具助力组织创新、扩展应用并实现运营自动化，但现代威胁行为者也在利用这些技术加速攻击、改变攻击方式并实现攻击自动化。

为探讨安全架构应如何演进以跟上威胁变化，F5举办了题为“借助AI驱动的WAF改进威胁检测并减少误报”的网络研讨会。

本次演讲深入探讨了传统Web应用防火墙（WAF）面临的系统性挑战、运行时威胁检测在运营中的必要性，以及推动下一代WAF发展的技术突破，其中包括创新的AI驱动功能。

以下是本次会议分享的关键主题、真实数据、技术创新和实用要点的全面总结。

现代企业格局：重塑安全的三股力量

会议伊始，F5概述了当前正在重塑各行业企业IT和安全运营团队工作方式的三大宏观力量：

• 混合多云环境：现代企业在多样化的云环境和本地环境中进行构建，以提高灵活性。在监管韧性要求和现代应用架构的推动下，混合多云已从一种新兴战略转变为企业常态。
• AI应用加速普及：无论是内部构建专有AI模型，还是集成第三方AI服务，各组织都在将智能技术直接融入业务流程。网络研讨会的观众调查显示，超过60%的参会企业目前正在关键业务工作流中积极运用AI。
• AI驱动的智能体威胁态势：攻击者采用AI的紧迫程度不亚于企业，甚至可能更高。如今，攻击者利用大语言模型（LLM）、自动化智能体工具和复杂脚本扫描漏洞、构建多阶段漏洞利用手段，并以机器速度扩大攻击规模。

从漏洞发现到被利用的时间窗口正在缩短

不断变化的环境导致威胁活动大幅增加。近期安全数据显示，Web攻击同比增长77%，恶意机器人流量也激增150%。

根本问题在于实现防护所需的时间。过去，在已披露的常见漏洞和暴露（CVE）遭到大规模利用之前，安全团队通常有数天、数周甚至数月的时间来修补这些漏洞。如今，自动化扫描和AI辅助的漏洞利用代码生成已将这一时间窗口缩短至数小时。在零日漏洞利用不断出现的时代，传统的补丁管理工作流已难以跟上。

传统WAF的结构性局限

正如Chris Malladi所解释的，20多年来，Web应用防火墙一直是关键的第一道防线。然而，面对现代运营需求，传统WAF架构已不堪重负。网络研讨会期间的现场观众投票证实，安全运营团队长期面临三大痛点：

1. 部署和调优复杂：传统WAF高度依赖静态特征规则和正则表达式（regex）。要对这些策略进行精细调优，使其匹配应用特有的逻辑，需要投入大量人工。因此，由于担心影响生产应用，许多企业WAF会连续数月停留在“监控模式”。
2. 误报疲劳：静态规则配置过于严格时，会阻止合法用户流量。高误报率迫使安全运营分析师不断审查告警噪声、管理例外列表并更新旧有策略，陷入无休止的循环。
3. 运营成本不断攀升：传统WAF的实际拥有成本并不在于初始许可证费用，而在于持续产生的运营开销，包括不断进行人工例外管理、聘用专业服务以及应用部署延迟。

传统WAF主要针对已知威胁而设计，因此难以抵御自适应攻击。在此类攻击中，AI工具会对有效载荷进行编码、混淆或实时动态修改。

AI驱动的WAF：技术架构与成效

为兼顾严格的安全策略执行与运维便捷性，F5推出了经过根本性架构重构的防御引擎：AI驱动的WAF。

Debrup Ghosh详细解析了这一持续演进的架构如何运作。该引擎并非仅依赖静态模式匹配，而是直接在流量路径中实施多层风险情报处理流程：

• 签名和指标匹配：基线过滤可快速识别已知攻击签名和恶意指标。
• 微秒级内联神经网络：专用机器学习模型可实时检查HTTP流量行为、标头参数和正文载荷。更重要的是，该神经网络完全在标准CPU上运行，延迟接近于零，无需部署成本高昂的GPU基础设施。
• 动态风险评分：该引擎综合分析信号数据，生成基于上下文和结果的风险评估。SecOps团队无需管理数千个单独的特征码，只需定义全局风险执行策略。
• 智能体式威胁情报：将实时检测结果与全球威胁遥测数据关联，以确定攻击背后的特定威胁行为者和对手活动。

从静态规则集转向AI驱动的WAF，可显著提升威胁防护成效和安全运营效率，且提升幅度可量化。通过将误报率降低95%以上，组织几乎可以立即将WAF策略安全地切换为主动阻断模式，在避免影响用户体验的同时消除安全缺口。

真实案例：防御零日漏洞利用

本次网络研讨会的一大亮点是一项实际案例研究，展示了AI驱动的WAF如何应对新出现且尚未修补的漏洞。

2026年4月，在任何公开安全公告发布或官方签名创建之前，F5的内联神经网络引擎已在生产环境中成功检测并阻止了5个严重的零日漏洞利用。

一个典型案例涉及企业移动管理软件中的零日漏洞（与CVE-2026-1340和CVE-2026-1281等严重漏洞相关，其CVSS评分为9.8）。

AI引擎标记了与多阶段远程代码执行（RCE）有效载荷相关的异常标头结构，并立即在网络边缘阻止了该请求。F5 Agentic Threat Intelligence将底层漏洞利用基础设施关联到已知的国家级威胁行为者，包括与伊朗有关联的APT组织MuddyWater和Handala。

使用AI驱动型WAF的客户可自动获得保护，无需安全运营团队手动创建规则，也无需等待紧急补丁窗口。

运行时威胁检测势在必行

随着漏洞不断增多，软件更新周期难以跟上AI生成的漏洞利用手段，运行时威胁检测已成为应用防御不可或缺的核心。

在问答环节，Debrup Ghosh强调了为何仅靠等待软件补丁已不再是可行的策略。在后Mythos时代，推理模型可以系统地分析代码库，并自动生成新型漏洞利用载荷，因此安全团队必须部署能够在运行时直接检查意图和上下文的防御措施。

AI WAF功能的未来路线图

F5概述了AI驱动型WAF解决方案持续演进的清晰路线：

• 自动异常检测：持续学习应用行为基线，以检测细微偏差。
• AI驱动的策略管理：由Copilot辅助提供策略建议，在确保人工分析师参与决策的同时，自动调整例外列表。
• 高级行为检测：跨用户会话识别多步骤攻击序列和恶意意图，而不是仅分析孤立的HTTP事务。
• 跨产品组合集成：将这些CPU高效型神经网络引擎扩展至所有WAF形态，包括Distributed Cloud WAF、NGINX WAF和BIG-IP WAF。

安全负责人要点

对于CISO、安全运营主管和应用架构师，本次网络研讨会的洞见明确指出了以下几项行动要点：

• 从“勾选合规项”式安全转向以实效为导向的防御：仅依靠静态签名匹配不足以抵御自动化攻击者。现代WAAP解决方案必须整合基于机器学习的风险情报。
• 优先减少误报：减少管理告警噪声对于实现运营扩展至关重要。较低的误报率有助于团队将WAF策略从被动日志记录转为主动阻止。
• 在边缘嵌入运行时威胁检测：使用低延迟、CPU友好的神经网络保护应用入口流量，即使补丁周期延迟，也能抵御零日漏洞利用。
• 要求全面覆盖产品组合：无论是保护传统本地应用、现代微服务，还是云托管的AI API，AI防御能力都应在混合架构中保持一致运行。

静态且维护负担沉重的Web应用防火墙时代即将结束。随着威胁行为者利用人工智能扩大复杂多阶段攻击的规模，企业安全防御必须动态调整。AI驱动的WAF集成微秒级神经网络评分、智能体式威胁情报和强大的运行时威胁检测，使组织能够快速切换到阻断模式，领先应对国家级威胁行为者，消除误报，并保护任何云环境中的关键应用。

如需深入了解F5 AI-powered WAF，请点播此网络研讨会。填写上方表单即可观看录像。