川海智库

报告概述

本白皮书围绕华为AIFW（AI Firewall）展开，研究对象是面向AI时代的第四代智能防火墙。报告覆盖AIFW的总体架构、设计原则、部署形态与协同模型，重点介绍了AI原生硬件底座、高可靠设计和设备内生安全韧性等基础能力。在智能检测与实时防御方面，系统阐述了Inline网络钓鱼检测、DGA恶意域名检测、恶意软件防御、加密流量检测、恶意C&C流量检测、Prompt Injection注入防御、非法内容过滤以及基于意图识别的恶意指令过滤等关键技术。在安全运营方面，介绍了AI安全助手和基于业务意图的策略自治，通过统一安全语义图、图智能和业务意图理解实现安全策略的自动生成、持续优化和智能运维。报告还结合员工使用智能体办公、企业开发智能体应用服务、SASE分支安全上网以及SOC安全运营自治等典型场景，展示AIFW的落地实践，帮助读者理解AIFW如何从规则驱动的流量控制系统演进为AI驱动的行为治理系统。

报告的核心结论

AIFW是面向AI时代的第四代防火墙，实现从规则驱动向智能驱动演进。

报告指出，随着生成式AI和Agentic AI的普及，企业网络交互主体从用户与应用扩展为用户、应用、模型和智能体。传统基于规则和静态检测的NGFW已无法应对AI时代未知威胁、动态业务和策略倍增等挑战。AIFW以AI为核心驱动力，融合AI原生硬件、大模型、图智能及安全知识，构建覆盖L2–L7的统一安全能力，实现从应用感知向意图感知、从规则驱动向智能驱动、从人工运营向自治防御的跨越。

意图感知、主动防护和策略自治是AIFW的三大核心能力。

意图感知使AIFW能够理解行为背后的业务意图，回答“为什么访问”并自动将自然语言安全目标转换为策略；主动防护基于行为分析和风险推理，在攻击造成影响前发现并阻断风险；策略自治通过持续学习和风险反馈实现安全策略从生成、验证到部署和优化的自动闭环管理，推动安全运营从人工驱动向AI驱动演进。

AIFW采用AI原生硬件和分布式AI协同架构，保障高性能与实时检测。

AIFW搭载华为自研安全专用NPU芯片（AI DIE），提供200T~800T算力，相比通用NPU推理性能提升10倍；同时部署SEC加速引擎、模式匹配引擎和专用AI Core，实现协议栈、SSL代理、规则匹配等硬加速。在架构上采用网关Inline AI、边缘AI和云端Agentic AI三层分布式协同，实现毫秒级在线推理、本地策略优化和全局知识共享，确保高并发场景下的低时延和高吞吐。

AIFW能有效检测传统网络威胁和AI安全风险，包括Prompt Injection和恶意指令。

报告详细介绍了Inline网络钓鱼检测、DGA恶意域名检测、恶意软件防御（基于CDE引擎和AI模型）、加密流量检测（ECA算法）以及恶意C&C流量检测等技术。针对AI特有风险，AIFW提供Prompt Injection注入防御、非法内容过滤和基于意图识别的恶意指令过滤，采用多层次纵深防御架构，结合规则引擎、语义分析和对抗检测技术，全面防护提示词攻击、越狱攻击、数据投毒等新型威胁。

报告回答的关键问题

什么是AIFW？它与传统防火墙有什么区别？

AIFW（AI Firewall）是华为提出的面向AI时代的新一代智能防火墙，以人工智能为核心驱动力，具备意图感知、主动防护和策略自治三大能力。与传统防火墙相比，AIFW不仅关注“是否允许访问”，还能理解“为什么访问”以及“访问行为是否符合预期业务目标”；它从规则驱动的流量控制系统演进为AI驱动的行为治理系统，能够自动生成和优化安全策略，实现从应用到意图、从被动到主动、从人工到自治的跨越。

AIFW如何检测并防御AI提示词注入攻击？

AIFW采用多层次纵深防御架构，融合规则引擎、语义分析和对抗检测技术。第一层通过关键词和攻击模式匹配识别典型恶意提示词；第二层通过语义分析模型识别隐晦恶意提示，计算困惑度并利用大模型响应判断恶意性；第三层引入用户反馈优化检测精度。同时，AIFW支持对间接提示词注入的清洗，在数据入库前进行静态毒性扫描，在运行时检索阶段进行动态过滤，实时阻断恶意指令，并自动终止交互终端请求、记录攻击日志。

AIFW在分支上网场景中如何防范银狐木马等威胁？

AIFW通过多层协同防御应对分支场景下的银狐木马等威胁。第一层Inline AI钓鱼检测，基于机器学习分析海量样本，精准识别未知钓鱼URL和恶意样本；第二层CDE静态检测引擎，使用MDL病毒语言和神经网络AI算法，赛可达静态检出率达99.39%；第三层混淆脚本检测，协同端侧HiSec Endpoint解密还原脚本意图；第四层高级躲避检测，基于端云协同溯源图识别白加黑注入等逃避技术；第五层Shellcode检测和第六层快速内存扫描，实时识别内存区块中的木马变种，并自动清除，实现单点识别全网协同。

报告中的代表性数据

2ms以内

Inline钓鱼检测时延

2.4GHz单核CPU环境下，在2.4GHz单核CPU环境下，AIFW的Inline钓鱼检测时延控制在2ms以内，对业务流量无感知，实现毫秒级风险识别与在线阻断。

90.8% @0.1% FPR

钓鱼检测检出率

未明确，AIFW网络钓鱼检测率达到90.8%，在0.1%误报率（FPR）下，相比传统URL过滤方案检出能力提升30%以上。

约1.5KB

单会话内存占用

未明确，采用分层检测与流式推理机制，单会话内存占用约1.5KB，较传统方案降低约90%，满足大规模并发部署需求。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • AI原生硬件底座：详细介绍了华为自研安全专用NPU芯片（AI DIE）的800T算力、SEC加速引擎、模式匹配引擎（RegEx）和专用AI Core，以及相比CPU/通用NPU的性能提升数据，展示硬件如何支撑Inline AI推理。
  • 高可靠设计：阐述电信级99.999%全可靠性设计，包括硬件级全分布式架构、部件冗余与热插拔、优雅降级与多重Bypass、NSR/GR协议高可靠，以及双机热备的毫秒级切换与状态同步机制。
  • 设备内生安全韧性：描述芯片级信任根（RoT）、软芯协同漏洞防御、分钟级AI动态上下文行为检测、全生命周期攻击链溯源、硬件独立安全面隔离及微服务化高韧性架构，确保设备自身不被攻陷。
  • 关键Use Case技术细节：包含Inline网络钓鱼检测的流式未知威胁检测框架、分层检测架构、嵌入式流式AI引擎及硬件感知算法优化；DGA域名检测的CNN模型及82%+识别率；恶意软件防御的CDE引擎（MDL、神经网络AI、LLM模型）。
  • 加密流量检测与C&C检测：介绍ECA算法基于TLS握手特征和流量统计特征的无解密检测技术，以及基于机器学习的C&C流量分类模型，能够识别隐藏在加密流量中的恶意通信。
  • AIFW典型应用场景：详细阐述员工使用智能体办公场景下的数据防外泄、Agent越权零信任控制、影子AI治理；企业开发智能体应用的提示词注入清洗、RAG数据中毒拦截、全链路动态零信任、意图漂移监控、敏感数据脱敏与内容合规检查。
  • SASE分支上网场景的银狐木马多层防御：包含Inline AI钓鱼检测、CDE静态检测、混淆脚本检测、高级躲避检测、Shellcode检测和快速内存扫描六层协同防御，以及端侧HiSec Endpoint的自动化响应机制。
  • SOC安全运营自治：提出五级闭环自治体系（感知自治、研判自治、响应自治、学习自治、运维自治），包括无监督学习自动降噪、大模型驱动攻击链溯源、分级自主应急响应（L1/L2/L3）、攻防闭环自进化及全栈无人值守运维。
  • 行业部署实践：政府园区银狐攻击案例展示AIFW主动防御能力；金融银行10万+策略自动生成与优化案例，协同iMaster NCE实现全局可视一键处置；智算中心挖矿攻击案例展示意图识别与内容合规防护。
  • AIFW未来展望：展望AIFW从智能安全设备演进为安全智能中枢（Security Intelligence Hub），实现全域协同、自主决策、持续进化的Agent智能体，适配云原生、物联网等多元场景。

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