抵御不断变化的威胁

从漏洞被发现到可用漏洞利用程序出现，二者之间的时间已大幅缩短。如今，攻击者以机器速度自动完成漏洞发现和武器化，这意味着传统的漏洞披露、补丁开发、测试、维护窗口安排和部署流程，会使应用在整个过程中持续暴露于风险之中。虚拟补丁可在运行时层面弥补这一防护空档。F5将Web应用和API发现及漏洞扫描与F5 WAF产品直接关联，因此，当扫描发现可被利用的缺陷时，系统会自动为线上应用应用防护规则。漏洞仍需通过修改代码来修复，但在此期间，应用会受到保护，让开发人员有时间构建、测试和部署真正的补丁，而不会使这段时间成为风险暴露窗口。当补丁窗口实际上已缩短至零时，在运行时阻止漏洞利用就不再是可有可无的措施，而会成为主要防线。

AI安全不仅要保护AI系统周边的基础设施，还必须保护AI系统本身。几乎所有AI威胁都会通过API进入模型，因此，适合实施保护的位置是运行时控制点，而不是逐个应用进行后期加装。F5在运行时跨多个安全领域保护和治理AI应用、模型、智能体、API及数据。运行时Guardrails会检查输入和输出，以阻止提示词注入和敏感数据泄露，并确保交互符合策略和法规要求。在SecureIQLab针对20,000个对抗性案例开展的独立测试中，F5 AI Guardrails的总体安全评分达到98.36%，其中抵御直接提示词注入的评分为99.3%，防止敏感数据泄露的评分为99.0%，防范过度自主行为的评分为98.7%。Red teaming可在部署前探测AI攻击面，并以自然语言准确说明漏洞如何被利用及其原因。F5 API Security可针对OWASP API十大安全风险持续执行发现、监控和漏洞检测，并提供关键的保护和策略执行功能。零信任访问可保护MCP服务器和智能体的身份验证与授权。无论是否获得批准，人们都会采用AI，因此，同一套控制措施还有助于发现并遏制影子AI，防止其泄露个人身份信息（PII）、受保护健康信息（PHI）或专有代码。

零信任通常从网络层面来阐述，但真正关键的威胁往往通过应用和API传播，因此控制措施也必须部署在应用和API层面。以应用为中心的零信任将“从不信任、始终验证、持续监控”的原则应用于每个应用和API，而不是仅应用于网络边界。实际实施时，需要根据每个应用和每位用户的身份及上下文授予访问权限；同时，越来越多地对机器间API流量以及MCP服务器和智能体等AI工具实施身份感知控制。这一点之所以重要，是因为攻击者会横向移动。大多数造成严重损害的入侵不会止步于最初的立足点，攻击者会从一个系统转向下一个系统。按应用请求实施访问控制可限制这种移动，并缩小单次失陷的影响范围。将这些访问控制整合到同一数据平面，还可避免拼接彼此孤立的单点解决方案所带来的成本和复杂性，而错误配置和防护缺口往往正是由此产生。

Post-quantum cryptography（PQC）是指新一代加密算法，旨在抵御量子计算机的攻击。量子计算机最终将能够破解目前用于保护数据的大部分公钥密码技术。这种威胁并非只存在于未来。在“现在收集，以后解密”攻击中，攻击者会获取当前已加密的敏感数据并将其存储起来，押注量子计算技术日后将发展到足以解密这些数据的程度。因此，任何需要长期保留的数据都已面临风险。F5采用加密敏捷性方案，而非整体替换式升级。F5支持在数据平面中采用ML-KEM等NIST标准化算法，无需进行可能造成中断的架构改造。部署混合密码技术，将ML-KEM与成熟的椭圆曲线密码技术结合使用，可帮助组织立即着手缓解“现在收集，以后解密”风险；在此过渡期间，BIG-IP SSL Orchestrator可保持完整的流量可见性。

选择各领域成熟产品的做法合情合理，但也会带来隐性成本：每增加一个单点产品，就要多操作一个控制台、多维护一项集成，还会多产生一股遥测数据流，而这些数据可能始终无法传送到需要它们的工具。当各项防御措施无法共享数据时，可见性就会变得碎片化，安全态势难以评估，产品之间的衔接处也会成为攻击面，而这正是协同式多阶段攻击所利用的薄弱环节。整合到F5 Application Delivery and Security Platform，可将应用交付与安全融为一体，并在混合多云、本地、云、边缘和容器化环境中实施一致的策略。由此带来的优势会不断叠加：集中式可见性、更低的总体拥有成本、更少的盲区，以及无论工作负载在何处运行都能实施防护，包括物理隔离环境和主权环境。目标并不是掌控架构图中的每个组件，而是消除它们之间的防护缺口。