隔离网络的AI安全
各国政府和机构正在部署智能体AI，用于国防、情报和工作流自动化，以获得地缘政治优势。Gartner预测，到2028年，全球至少80%的政府将部署AI智能体，以实现常规决策自动化。在面向政府服务的2025年Gartner技术成熟度曲线中，主权AI已成为优先级极高的技术。依赖外国AI供应链如今被视为国家安全风险。为维护主权和运营独立性，许多机构在涉密、隔离或物理隔离网络上运行AI工作负载。这些环境仍需要交付、安全和运营服务，但大多数工具都以云或互联网连接为前提，而这些环境无法允许此类连接。
复杂性意味着风险未得到管理
隔离网络兼容性
大多数AI安全和交付工具专为联网环境而设计，其架构内置了对云服务的依赖，用于许可证验证、策略更新、威胁情报源和遥测。当攻击数据库停止更新、威胁情报源过期时，防御系统将越来越难以识别新出现的威胁。
割裂的运营模式
政府机构通常将隔离网络基础设施作为整体混合云战略的一部分，涵盖联网、断网和跨域部署。供应商在不同部署模式下的能力不一致，迫使团队针对每种环境分别维护工具、策略框架和运维手册，进而导致配置错误、策略执行不一致或服务中断。
工具泛滥
为满足各种AI安全要求而采用的单点解决方案，会增加集成复杂性、技能负担和管理开销。在无法获得外部支持的隔离环境中，这些问题会进一步加剧。缺乏统一的可见性会导致模型漂移、威胁未被检测以及事件响应延迟。工具之间的防护缺口会成为攻击面。
主权云中的AI安全
Guardrails
F5 AI Guardrails是政府机构在物理隔离和主权环境中运行时的主要AI安全策略执行层。它以经过认证的Red Hat OpenShift Operator形式部署在机构自有的Kubernetes环境中。使用最新策略和威胁情报完成初始设置后，即可在不依赖外部资源的情况下运行。在任务关键型环境中，策略更新通过物理隔离传输方式交付并手动应用，无需外部连接即可使防御措施保持最新状态。
在推理过程中，Guardrails位于用户、智能体和AI模型之间，依据既定策略检查每项输入和输出。它会在提示词注入尝试和越狱攻击到达模型之前将其阻止，防止敏感数据通过模型输出泄露，并对模型和智能体的权限实施边界控制，以防止权限提升。系统会记录每次交互的完整上下文，为安全与合规团队提供法规要求的可审计性和可解释性。
Red teaming
F5 AI Red Team 通过模拟数千种攻击模式，对AI模型、配置和用例开展对抗性测试，其中包括传统渗透测试中很少发现的技术。测试所依据的攻击数据库每月新增超过10,000条记录；在断网环境中，该数据库通过气隙传输包交付，以确保边界内的测试内容保持最新。
调查结果经过风险评分且可解释，能够准确说明每个漏洞被利用的方式及原因，并生成可直接用于审计的报告，为运行授权流程、FISMA持续监控要求和风险管理框架评估提供支持。这些调查结果还可为Guardrails策略更新提供依据，在漏洞发现与运行时执行之间形成闭环。
纵深防御安全
F5 AI Guardrails和F5 AI Red Team可防范OWASP 大型语言模型应用十大风险中定义的关键风险，涵盖运行时强制执行和对抗性测试层。AI模型和智能体通过加密通道使用API进行交互，并集成到应用工作流中，从而扩大了攻击面。
F5 Application Delivery and Security Platform (ADSP) 将安全防护扩展至主权边界内，保护AI工作负载及其API免受第7层攻击和应用层威胁，同时检查加密流量，避免SSL和TLS通道成为盲区。F5 ADSP的日志和遥测数据会传送至以断网模式运行的本地SIEM平台，帮助团队获得所需的可见性，以检测异常、保持合规并响应事件。
Digital sovereignty实践
- 无外部停用开关：完成初始设置后，F5 AI Guardrails完全在该机构的隔离网络内运行，无需依赖F5或任何外部服务即可正常工作。
- 隔离环境内持续更新的防御能力：攻击数据库和策略更新通过跨隔离网传输交付，无需连接外部网络即可使AI安全防护保持最新状态。
- 无需依赖云的持续对抗性测试：行为测试完全在隔离网络内运行，可抢在攻击者之前发现模型漂移和新出现的漏洞。
- 纵深防御，无需堆叠工具：统一平台涵盖AI运行时安全、应用和API保护、加密流量检查及可观测性，有助于降低运维复杂性和技能要求。
- 跨部署模式保持一致运营：同一平台和策略可在联网、断网及混合环境中运行，消除碎片化和配置错误风险。
- 全面的可审计性和可解释性：每次AI交互、策略执行操作和红队发现都会记录在案且可解释，满足数字主权要求和监管规定。
F5 ADSP为政府AI工作负载提供统一安全防护
对于部署智能体AI的政府机构和关键基础设施运营商，F5 ADSP提供统一平台，可在互联、断网和混合环境中一致运行。
