川海智库

报告概述

本白皮书从安特瑞克斯、GE Vernova 和 Palo Alto Networks 的协作视角出发，探讨安全 AI 赋能的专用移动网络如何变革公用事业运营。报告首先指出传统集中式电网无法满足现代需求，需要向分布式网络转变，并引入 AI 技术实现预测性维护、自主电网管理等应用。随后，报告详细分析了专用移动网络相较于公共网络的安全优势，包括内置身份验证、加密和隔离能力，并结合 Salt Typhoon 和 Volt Typhoon 等现实攻击案例，说明公用事业企业面临的高级威胁。最后，报告提出了构建 AI 就绪的专用移动网络安全架构，涵盖内核安全、边缘安全、AI 生态系统安全和治理合规等多个层次，旨在帮助公用事业企业规避常见风险，实现韧性运营。

报告的核心结论

专用移动网络是 AI 驱动电网转型的核心基础设施

报告认为，随着电网向分布式、智能化演进，AI 应用需要在边缘实时处理大量传感器数据，而公共移动网络无法满足上行容量、延迟和可靠性要求。专用移动网络通过专用频谱和 3GPP 安全标准，为关键任务通信提供确定性性能和控制力，是支撑分布式电网架构编排、AI 模型运行的基础。

公共网络攻击升级，专用网络是必要防御手段

Salt Typhoon 和 Volt Typhoon 等国家级攻击表明，公共电信网络存在系统性漏洞，攻击者能利用互联特性进行间谍活动和横向移动。报告强调，加密、网络分割和冗余已成为韧性基本要求，而专用移动网络通过隔离、强身份验证和流量控制，可大幅降低此类攻击风险。

AI 系统本身成为新攻击面，需分层安全保护

报告指出，AI 模型、训练数据和智能体在边缘的部署引入了数据欺骗、模型中毒等新威胁。因此，公用事业企业需采用多层次安全方法，包括零信任框架、AI 驱动的威胁监控以及模型扫描，并建立涵盖内核、边缘、AI 生态和治理合规的深度防御架构。

超前部署 AI 与专用网络的企业将建立韧性智能电网

报告结语部分强调，Volt Typhoon 攻击警告我们攻击者正变得更加老练。通过部署 AI 就绪的专用网络，并在 IT、OT 和 AI 系统中统一实施零信任战略，公用事业公司能够建立起未来所需的弹性智能电网，确保运营的可靠性和安全性。

报告回答的关键问题

为什么公用事业企业需要专用移动网络？

由于电网中智能电子设备数量快速增长，传统集中式架构无法满足速度、灵活性和可扩展性需求。专用移动网络在专用许可频谱上运行，提供确定性性能、低延迟和高可靠性，并内置 3GPP 安全标准，能有效保护控制指令、传感器数据等关键通信，避免公共网络固有的安全风险。

AI 如何改变电网运营？

报告列举了多种 AI 应用：通过小语言模型在边缘实现预测性维护，减少计划外停机；利用自主智能体管理分布式能源资源调度和网络重构；采用多智能体系统实现协同操作和实时适应。AI 使电网从被动维护转向预测性、规范性和自主性运营。

Salt Typhoon 和 Volt Typhoon 攻击给公用事业带来什么警示？

这两起国家级攻击表明，对手已能深度渗透电信系统，并利用 IT 与 OT 融合的漏洞横向移动。Salt Typhoon 暴露了公共电信网络的不可信任性，Volt Typhoon 则强调必须确保整个数字基础设施的安全。报告警示，公用事业企业需转向专用移动网络和零信任架构来加强防御。

如何构建安全 AI 驱动的专用移动网络？

报告提出四层安全架构：内核安全层提供加密和弹性传输；边缘安全层通过 SIM 身份验证和分段隔离保护接入点；AI 生态系统安全层防范模型中毒、提示注入等威胁；治理与合规层确保符合 NERC CIP、IEC 62443 等标准。此外，需要端到端可视性和 AI 驱动的威胁监控。

完整报告包含什么

  • 完整报告包含对传统集中式电网局限性的详细分析，以及向分布式、AI 驱动架构转型的必要性论述。
  • 报告深入介绍了小语言模型（SLM）和自主智能体在边缘部署的技术原理，并列举了 AI 在故障分类、负载优化、可再生能源预测等 12 个具体应用场景中的价值和优势。
  • 完整报告提供了专用移动网络与公共移动网络的技术对比，包括上行容量、延迟、可靠性及安全性的差异，并引用 3GPP 标准说明 PMN 内置的安全功能。
  • 报告通过 Salt Typhoon 和 Volt Typhoon 两次现实攻击案例，详细分析了公共电信网络的脆弱性以及攻击者如何利用 IT/OT 融合进行横向移动。
  • 报告展示了分层安全框架的详细示意图（图 1），包括内核安全、边缘安全、AI 生态系统安全和治理合规的具体组件和相互关系。
  • 完整报告包含混合通信架构图（图 2），解释了蜂窝、窄带、电力线宽带和 Wi-Fi 多种接入方式如何通过 MPLS-TP 和光传输集成到统一网络中。
  • 报告提供了现场设备、边缘计算、专用移动网络和 AI 系统之间数据流的关系图（图 3），说明了 PMN 作为信任层的安全传输作用。
  • 报告讨论了 AI 生态系统的安全挑战，如训练数据投毒、提示词注入和模型漏洞，并介绍了模型扫描、运行时完整性检查等防护措施。
  • 报告列出了与公用事业相关的网络安全框架和标准，如 NIST、ISO、NERC CIP、IEC 62443 和 IEC 61850，并给出治理合规建议。
  • 完整报告包含三家合作伙伴（Anterix、GE Vernova、Palo Alto Networks）的公司介绍及其在专用网络、能源设备和网络安全领域的专业能力概述。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告