为AI之旅注入动力并提供保护

解决方案概述

借助F5分发、优化和保护AI工作负载

借助AI/ML增强并保护API，降低生态系统复杂性，同时保护和优化混合云及多云环境中的每个应用和AI工作负载。

深入了解生成式AI：认识关键资产

数十年来，大多数组织不得不持续改进基础设施，以支持新的应用和工作负载。随着新兴大语言模型（LLM）以及OpenAI的ChatGPT等生成式人工智能（AI）应用快速发展，这一演进仍在继续。AI工作负载是现代应用中较为前沿的一类，给组织带来了双重挑战：既要优化这些关键任务型AI运营的性能，又要保障其安全性。随着生成式AI和机器学习（ML）应用不断重塑各行各业，如何就AI工作负载的分配和治理做出明智决策，已变得至关重要。

生成式AI包含多项关键资产，这些资产共同支撑其功能和效能。在AI应用架构中，Kubernetes、应用程序编程接口（API）与多云环境之间的交互，对于构建协调统一且可扩展的系统至关重要。从整体来看，Kubernetes是首选平台，充当编排器，负责管理AI应用中各类组件的部署、扩缩容和监控。API作为通信渠道，使这些组件能够顺畅交互。多云环境则支持为每项工作负载和用例选择合适的运行位置，从而确保性能可预测且安全性一致。

Kubernetes：生成式AI平台

Kubernetes不断发展，日益成为生成式AI的优选平台。它为容器化奠定基础，确保能够高效管理和扩展AI模型、数据处理管道及其他服务。Kubernetes支持动态分配计算资源，有助于优化性能和资源利用率。云原生Kubernetes有助于在混合云和多云环境中无缝部署AI工作负载。围绕Kubernetes构建的活跃生态系统正成为加速AI创新与应用的重要力量。行业领导者、开源项目和云提供商之间的协作正在推动AI技术取得突破。

API：连接AI组件的纽带

API是AI架构中的关键纽带，使不同组件和服务能够相互通信。API将AI应用的各个部分连接起来，以便交换数据和指令。例如，AI模型可以通过API向云存储服务请求数据，或将预测结果发送给其他组件以供决策。此外，OpenAI插件通过支持ChatGPT与开发者定义的API交互，进一步增强ChatGPT的功能。

多云网络：跨分布式环境连接AI工作负载

传统数据中心往往难以满足高级AI工作负载的严苛要求，其容量以及对现代数字环境的适用性也因此受到质疑。AI模型训练和微调会产生海量数据，使“数据引力”成为企业采用AI时需要重点关注的问题。随着存储库中的数据量不断增长，数据的效用也随之提升，进而形成数据引力。最终，复制或移动这些数据会变得繁重且成本高昂。因此，数据会自然地将服务、应用和更多数据吸引到其所在的存储库中。数据引力会从两个方面影响生成式AI。首先，它会限制训练和生成所需数据的可用性和可访问性；同时，它也会进一步凸显数据对于优化和提升生成式AI模型及其输出的必要性和价值。

多云环境能够让私有但高度分散的数据更易于利用，因此已成为新一代AI应用的基础。多云环境允许AI应用利用不同云提供商的优质资源，进一步增强架构的灵活性和韧性。多云还可降低云供应商锁定风险，防范潜在停机，并提供迁移机会。Kubernetes与API协同使用，可确保高效管理和编排这些多云环境，简化AI工作负载在不同云平台上的部署和扩展。

多云方法虽然具备灵活性和可扩展性，但也会带来数据一致性、安全性和合规性方面的挑战。组织需要确保工作负载和数据能够在不同云、内部部署数据中心或数据湖之间安全传输。为确保数据主权，组织需要满足特定的行业和政府监管要求，同时避免严重影响AI响应时间。利用多云环境也有助于解决这一问题，因为全球性组织可以借此访问不同地理位置的云服务，从而更好地满足监管合规要求。考虑到每个AI模型都需要访问庞大的数据库，才能实时为用户查询提供正确的推理结果，而且训练数据可能存储在任何位置，解决这一问题并非易事。

理想情况下，企业应采用统一解决方案，在公有云、私有云、原生Kubernetes和边缘环境中提供一致的应用和安全服务，从而满足AI工作负载对连接、安全性和可扩展性的严格要求。

AI工作负载：网络犯罪分子的新攻击面

由于AI工作负载应尽可能部署在靠近其所需数据的位置，因此通常会跨多个云进行部署，这给保持集中可见性和控制带来了挑战。在本已分布式的应用环境中增加生成式AI工作负载，会进一步扩大企业的威胁面。

需要认识到，虽然AI能为采用它的应用带来显著优势，但企业要充分发挥AI的价值，就必须采取必要措施来优化和保护AI工作负载。这不仅需要提高AI工作负载的效率，还需要管理复杂的Kubernetes环境、实现API的无缝安全集成，并有效管理多云网络。

生成式AI和其他AI工具包正成为网络犯罪分子的主要攻击面。网络犯罪分子经常利用AI发起更新颖、更复杂的攻击，以获取个人身份信息（PII）及其他机密数据，其中包括可能泄露商业秘密或知识产权（IP）的训练中数据。安全运营团队必须能够检测并阻止对抗性攻击，包括对AI和机器学习模型的恶意操纵。从生成几乎难辨真假的深度伪造内容，到发起传播勒索软件攻击的复杂网络钓鱼邮件活动，网络犯罪分子既将AI作为攻击目标，也利用AI牟取非法利益。

影子AI：未经批准的生成式AI

AI环境中的另一个关键安全问题是影子AI。与影子IT类似，影子AI是指在企业治理范围之外使用AI工具。当员工绕过IT部门，无视为保护企业而制定的政策和流程时，影子AI就会成为问题。通常，这是因为员工认为这些政策和流程会减缓创新，使其无法利用AI进行开发和提高生产力。随着生成式AI在组织内部被员工广泛使用，加之缺乏适当治理，而学习模型又经常使用敏感数据，影子AI会显著增加个人身份信息（PII）、企业知识产权及其他企业敏感数据泄露的风险。组织必须实施相应机制，防范影子AI带来的风险。

AI不过是一种功能强大的现代应用

AI看似神奇，但并非魔法：它其实和许多其他应用一样，只是一种功能强大的现代应用。LLM则是利用ML理解自然语言，并从大型数据模型或数据湖中学习，从而理解、总结、创建和预测新内容的算法。

在这一快速演变的环境中，F5提供融入并运用AI的解决方案，以AI赋能和保护AI，助力AI应用并为其提供防护。F5提供业界出色的交付、性能和安全服务，覆盖整个分布式应用环境。

无论是在仓库现场还是企业办公室运行AI工作负载，F5统一解决方案都能在公有云、私有云、原生Kubernetes和边缘环境中提供一致的应用和安全服务，帮助降低AI复杂性，同时实现出色的扩展能力和性能。安全互联不同位置、环境和云中的AI应用组件，充分发挥这一现代应用新范式的优势。

借助F5为基于AI的应用提供强劲动力与保护

F5为现代AI工作负载提供强劲动力和安全保障，以高性能和全面的安全能力，确保工作负载在多样化AI生态系统中顺畅分发并得到保护。无论训练和推理模型以何种方式分布、位于何处，F5的AI工作负载交付与安全解决方案都能将其安全连接到有需要的用户和应用，无论这些用户和应用身处何处。获得可预测的性能和统一的底层数据结构，支持大规模训练、优化、部署和管理AI及机器学习模型。借助F5，更高效地将数据转化为洞察，并获得更强大、更深入的安全保障。

为AI之旅提供动力与保护

灵活地在任意位置部署AI工作负载

F5支持在数据附近灵活部署AI，从数据中心到边缘均可覆盖，从而充分提升准确性、洞察力、性能、成本效益和安全性。

F5® Distributed Cloud Network Connect和F5®Distributed Cloud App Connect支持在私有云或数据中心部署训练模型，同时为云端或边缘的数据源提供安全连接。

作为F5® Distributed Cloud Services产品组合的一部分，Distributed Cloud Network Connect通过一款基于SaaS的工具，为任何环境或云提供商提供第3层连接，包括本地数据中心和边缘站点。它提供端到端可见性，可自动配置链路和网络服务，并支持在所有站点和提供商之间创建一致的、基于意图的安全策略。

F5® Distributed Cloud App Stack采用统一的生产级Kubernetes，可在私有云、公有云和边缘位置轻松部署、管理和保护AI工作负载。其内置GPU支持，可在本地边缘支持AI模型，确保高性能和可用性。Distributed Cloud App Stack通过集中式工作流，在任意数量的边缘站点交付应用和安全能力，从而简化AI和大语言模型（LLM）推理应用的部署。

此外，F5® NGINX® Connectivity Stack for Kubernetes可为在本地和云端Kubernetes中运行的AI/ML工作负载提供快速、可靠且安全的通信。NGINX Connectivity Stack for Kubernetes将入口控制器、负载均衡器和API网关功能集于一体，可大规模提升正常运行时间、保护能力和可见性，同时降低复杂性和运营成本。NGINX Connectivity Stack for Kubernetes提供一系列工具和集成，帮助扩展、观测、治理和保护从边缘到云端的AI工作负载，在降低复杂性、延长正常运行时间并增强实时可见性的同时，改善客户体验。

全面保护各处的AI工作负载

通过单一控制点简化WAF、机器人、API和DDoS防护，帮助安全运营团队保护连接AI工作负载的应用和API接口，并应对针对AI模型和环境的对抗性攻击。

全面掌握混合云和多云技术栈中的所有AI工作负载，对于应对影子AI使用等可能危及专有数据的问题至关重要。在本已分布式的应用环境中增加生成式AI工作负载，必然会扩大企业的攻击面，为模型拒绝服务（DoS）攻击、训练数据投毒和API漏洞利用创造可乘之机。

利用F5® Distributed Cloud Web App and API Protection (WAAP)确保数据模型安全且受到治理，防止知识产权遭到非预期使用。借助“点击启用，随处运行”的安全策略，实现一致、可重复的保护、全球覆盖和策略执行。API驱动的工作负载保护方法有助于改善网络团队、安全运营团队与开发人员之间的协作。

借助Distributed Cloud WAAP，组织可以简化实现有效AI工作负载安全的过程，同时持续推动业务创新。该解决方案结合管理和执行功能，为API运行时分析与保护提供全面的方法。组织可以轻松有效地监控所有API端点和应用路径，发现并跟踪未知API或影子API，并通过持续检查和架构执行加以保护。F5的API安全解决方案可保护支持AI特定交互的API，并缓解未经授权的访问、数据泄露、滥用和严重漏洞所带来的风险，从而确保应用和所有关键AI工作负载顺畅、安全地运行。

借助可适应攻击者工具调整企图的平台，保护数千个高流量应用和AI工作负载免受恶意机器人攻击，包括试图操纵大语言模型（LLM）的机器人。通过深入分析设备和行为信号，识别并缓解自动化恶意机器人攻击，实现高效的机器人防护。此外，借助F5的Distributed Cloud Network Connect，确保数据在传输过程中安全无虞。通过F5获得全局可见性、动态发现、基于AI的洞察和自动修复能力。

数分钟内自动连接分布式AI工作负载

通过抽象底层基础设施，自动连接跨环境的分布式AI工作负载，降低复杂性，释放业务敏捷性和创新潜力。

F5® Distributed Cloud Secure Multi-Cloud Network (MCN)可降低AI工作负载的管理和部署复杂性。自动连接整个环境（包括云、多云和边缘）中的分布式AI工作负载，无需担心底层基础设施。获取数据分析结果，整合并关联各工作负载中的数据，充分发挥AI计划的价值。建立集中控制点，统一管理任意位置的任何应用或AI工作负载策略。

对于运行企业级AI应用并需要强大企业级解决方案的客户，F5 Distributed Cloud Secure MCN可将应用安全和服务扩展至公有云和混合部署、原生Kubernetes及边缘站点，帮助客户充分发挥其优势。

图1：F5解决方案可安全连接AI工作负载，并将推理分布到边缘

为所有应用提供统一安全防护

在云端、边缘或F5全球网络中连接、保护和管理应用及工作负载。Distributed Cloud App Stack可简化AI训练应用的管理、部署和交付。只需简单点击几下，即可将软件和操作系统更新推送到各站点。

加速提升AI工作负载性能

AI工作负载，尤其是生成式AI相关工作负载，需要大量计算资源。F5应用加速解决方案专为优化AI工作负载性能而设计，包括高效共享GPU资源。通过提高效率、降低延迟并缩短响应时间，F5可加快交付AI预测结果，提供流畅的用户体验，并支持AI驱动型应用实时决策。

AI工作负载的全局流量管理

对于业务遍布全球的组织，F5全球流量管理解决方案在优化AI工作负载部署和确保数据主权方面发挥着关键作用。这些解决方案可在分布于不同地理位置的数据中心和云区域之间高效分配AI工作负载，在提升性能的同时，确保关键任务型AI及AI驱动型应用的高可用性和冗余能力。

AI驱动的分析

F5利用AI和机器学习的强大能力，针对AI工作负载的性能和安全性提供可付诸行动的洞察。通过持续监控和分析流量模式及应用行为，组织可以基于数据制定工作负载部署和资源分配决策，确保AI工作负载实现出色性能。

结论

借助F5为AI赋能并提供保护

人工智能正持续融入现代商业和生活的方方面面，其中生成式AI走在前沿。为顺应这一趋势，企业必须确保其基础设施能够充分发挥AI的优势，从而尽可能减少卡顿、延迟和风险。在组织应对AI（包括生成式AI和AI工作负载）带来的复杂挑战时，F5始终是值得信赖的合作伙伴，助力企业在广阔的生成式AI生态系统中充分发掘AI的潜力与价值。

F5以AI赋能并保护您的AI，提供出色的性能以及覆盖整个分布式应用环境的交付和安全服务。无论是在仓库车间还是公司办公室运行AI工作负载，都能为员工和合作伙伴提供强大工具，帮助他们获得新洞察并提升效率。依托广泛的大数据遥测，强大的安全措施可帮助客户主动缓解不断演变的AI风险。这使组织能够保持或跻身创新前沿，同时做好充分准备，应对这一快速演进且具有变革性的技术环境所带来的挑战与机遇。

资源

精选

AI对企业的重要性以及如何构建安全的多云网络

了解AI如何帮助提升企业安全性和效率，以及为何需要构建安全的多云网络，才能有效采用AI。

了解AI安全

网络研讨会

网络安全领域的生成式AI：一把双刃剑 ›

文章

AI时代已来：CISO应如何应对？›