Meta 與 Cisco 將開源 AI 模型整合至下一代安全作業中

隨著網路攻擊以機器速度加速，開放原始碼的大型語言模型 (LLM) 正迅速成為核心基礎架構。開放原始碼的大型語言模型 (LLM) 正迅速崛起成為核心基礎架構，讓新創公司與既有的網路安全領導廠商得以建立並部署彈性、具成本效益的防禦機制，以因應超越人類反應時間的威脅。

開放原始碼 LLMs 的固有優點 - 部署速度更快、適應性更強、成本更低 - 為基礎架構的交付建立了可擴充的安全基石。在上星期的 RSAC 2025 會議中，Cisco、Meta 和 ProjectDiscovery 發表了全新的開放原始碼 LLM，以及由社群驅動的攻擊面創新，共同塑造開放原始碼網路安全的未來。

今年 RSAC 的核心主題是開放原始碼 LLM 的演進，以大規模增強和強化基礎架構。

開放原始碼 AI 正接近網路安全領導者長久以來所提倡的突破：讓不同的安全供應商能夠聯合起來，對抗日益複雜的威脅。鑑於 RSAC 的宣佈，圍繞統一的開放原始碼 LLM 與基礎架構進行協同創造的願景現在更接近於現實。

正如 Cisco 的首席產品官 Jeetu Patel 在其主題演講中所說的：「我們真正的對手不是競爭對手，而是敵人。我們必須確保生態系統擁有共同對抗這些威脅的工具和團結性"。

Patel 強調了這項複雜任務背後的迫切性："AI 正在重塑一切，而網路安全正處於中心位置。我們面臨的威脅是以機器的規模運作，而不是以人類的規模運作"。

思科的 Foundation-sec-8B LLM 定義了開源 AI 的新時代

思科新成立的 Foundation AI 團隊源自於對 Robust Intelligence 的收購，專門為網路安全提供特定領域的 AI 基礎架構，而網路安全是要求最高的領域之一。建立在 Meta 的 Llama 3.1 架構上，這個 80 億參數的開放式 LLM 並非重新利用的通用 AI。它是針對 Cisco 的 Foundation AI 團隊內部策劃的網路安全資料集所打造，並經過嚴格的訓練。

Foundation 的 AI 與安全副總裁 Yaron Singer 寫道：「就本質而言，這個領域的挑戰是 AI 中最嚴峻的。為了讓技術能被廣泛使用，我們決定大部分的 Foundation AI 工作都應該是開放式的。開放式創新可創造複合式產業效益，尤其是在網路安全方面。

思科以開放源碼為基礎，為網路安全供應商（通常是提供類似產品的競爭對手）設計了一個實用的架構，讓他們可以合作建立更強大的統一防禦。

Singer 指出：「無論您是將它嵌入現有的工具，或是建立新的工作流程，foundation-sec-8b 都能符合您組織的特定需求。根據 Cisco 的發佈部落格，安全團隊可以在整個安全生命週期部署 foundation-sec-8b。建議的用例包括 SOC 加速、主動威脅防禦、工程支援、AI 輔助程式碼檢閱、組態驗證和自訂整合。

Foundation-sec-8B 的模型權重和 tokenizer 可在 Hugging Face 上以 Apache 2.0 授權提供，讓企業可自由客製化和部署，而不會被廠商鎖定，同時保留合規性和隱私。思科也計劃將訓練管道開放原始碼，以推動社群驅動的創新。

網路安全是 LLM 的 DNA

Cisco 開發了專門針對網路安全的模型，並針對 SOC、DevSecOps 和企業安全團隊進行最佳化。改裝一般的 AI 模型並不足夠，因此 Foundation AI 團隊使用廣泛、高品質的網路安全資料集來訓練模型。

這種精準驅動的方法可確保模型能全面瞭解現實世界的網路威脅、弱點與防禦策略。

核心訓練資料集包括

• 弱點資料庫：詳細的 CVEs (Common Vulnerabilities and Exposures) 和 CWEs (Common Weakness Enumerations)，用於識別已知的威脅和弱點。
• 威脅行為對應：來自 MITRE ATT&CK 等成熟安全框架的結構化資訊，詳細說明攻擊者的技術與行為。
• 威脅情報報告：全球網路安全事件與新興威脅的全面分析。
• Red-Team Playbooks：真實世界的攻擊戰術與滲透策略。
• 真實世界事件摘要：記錄在案的網路安全入侵分析、事件與解決路徑。
• 合規性與安全性指南：領先標準組織的最佳實務，包括 NIST 架構和 OWASP 安全編碼原則。

這項量身打造的訓練讓 Foundation-sec-8B 能夠處理複雜的網路安全任務，相較於一般用途的模型，具有更優異的精確度、更深入的情境以及更快速的回應時間。

基準測試 Foundation-sec-8B LLM

Cisco 的技術基準顯示，Foundation-sec-8B 的網路安全效能可媲美更大的機型：

透過設計特定於網路安全的基礎模型，Cisco 可協助 SOC 團隊利用先進的威脅分析達到更高的效率，而不會產生高昂的基礎架構成本。

如其部落格「Foundation AI：Robust Intelligence for Cybersecurity」所詳細說明，Cisco 的策略可解決一般 AI 應用的障礙，包括一般模型的領域一致性有限、資料集不足以及舊系統整合。Foundation-sec-8B 就是為了克服這些障礙而設計的，它可以在最小的硬體上有效地執行，通常只需要一到兩個 Nvidia A100 GPU。

Meta 藉由 AI Defenders 套件擴展開放原始碼 AI 安全性

在 RSAC 2025 上，Meta 強化了其開放原始碼的承諾，擴大了其 AI Defenders 套件，以保障生成式 AI 基礎架構的安全。更新後的開放原始碼工具包包括 Llama Guard 4，這是一種多模態分類器，可辨識文字和影像中的政策違規行為，改善 AI 工作流程中的合規性監控。

Meta 也推出了具有模組化功能的開放原始碼即時安全框架 LlamaFirewall。這些功能包括：PromptGuard 2，可偵測提示注入和越獄嘗試；Agent Alignment Checks，可監控並保護 AI 代理的決策；以及 CodeShield，可檢查產生的程式碼，以找出並修復漏洞。

Prompt Guard 2 現提供兩種開放原始碼版本：高準確度的 8600 萬參數模型，以及適用於低資源環境的更精簡的 2200 萬參數版本。

此外，Meta 推出 CyberSec Eval 4，這是與 CrowdStrike 共同開發的開放原始碼基準測試套件。它包括 CyberSOC Eval（測量 AI 在真實 SOC 情境中的效能）和 AutoPatchBench（測試 AI 系統自主識別和修補軟體缺陷的能力）。

Meta 也首次推出 Llama Defenders Program，提供早期存取開放式 AI 安全工具的機會，例如敏感文件分類器和音訊威脅偵測。Private Processing 是一種以隱私為中心的裝置上人工智能，目前也正在 WhatsApp 試用。

ProjectDiscovery 的 Nuclei：社群驅動的開源安全創新

在 RSAC 2025 中，ProjectDiscovery 贏得了創新沙箱中的「最具創意創業公司」獎，突顯了其對開源網路安全的貢獻。其旗艦工具 Nuclei 是可自訂的開源漏洞掃描器，可利用全球社群迅速偵測 API、網站、雲端實體和網路中的問題。

Nuclei 基於 YAML 的模板庫包含超過 11,000 種偵測模式，其中 3,000 種對應到特定的 CVE，能夠即時識別威脅。ProjectDiscovery 營運長 Andy Cao 指出：「贏得第 20 屆 RSAC 年度創新沙盒表明，開源模式可以在網路安全領域蓬勃發展。這是我們以社群為導向的安全民主化方法的證明。

ProjectDiscovery 的進展與 Gartner 的 2024 年開放原始碼軟體趨勢週期 (2024 Hype Cycle for Open-Source Software) 不謀而合，該週期將開放原始碼 AI 與網路安全工具定義為「創新觸發」階段。Gartner 建議組織建立開放原始碼計畫辦公室 (OSPO)、採用 SBOM 架構，並透過健全的治理來確保法規遵循。

安全領導者的行動洞察

Cisco 的 Foundation-sec-8B、Meta 的 AI Defenders Suite 增強功能，以及 ProjectDiscovery 的 Nuclei 共同說明，當開放、協作與領域專業知識在組織間融合時，網路安全創新便會蓬勃發展。這些廠商和其他廠商正在鋪路，讓每個網路安全供應商都能參與建立更有效、更經濟實惠的防禦。

正如 Patel 在其主題演講中所強調：「這不只是理論，而是真實存在的。有了所有人都能使用的專用安全模型，我們將以最先進的推理技術為後盾，以極低的成本取得更好的安全成果"。