对话顺丰科技网络安全总监梁博：大模型浪潮下物流网络安全的守与破

网络安全中的对话大模的守攻防一直是矛与盾的关系，它们是顺丰相互对立且不断发展的 。当大模型重塑产业形态时，科技网络安全的网络物流网络“攻防边界”正在被悄然改写，开始上演一场在用魔法打败魔法的安全安全战争，但最终谁会胜利 ，总监不得而知
。梁博

作为承载亿量级用户隐私数据 、型浪依托自动化场景运转的模板下载潮下物流行业来说，既面临传统网络攻击的对话大模的守持续侵扰 ，又需应对大模型衍生的顺丰新型安全风险 。如何在技术创新与安全防护间找到平衡 ？科技

近日，顺丰科技网络安全总监梁博在专访中，网络物流网络以甲方视角拆解了大模型爆火后 ，安全安全物流行业存在的总监安全痛点、分享了顺丰科技的应对策略，并深度探讨了网络安全生态的缺口与未来方向 ，为行业提供了极具参考价值的服务器租用实践路径。

物流行业的“权限与风险”困局

物流行业的网络安全威胁并非新生事物，传统网络攻防的各类技战术在此均有体现。

梁博表示 ，大模型的出现让网络安全威胁呈现出与了以往截然不同的特征，核心风险集中在“大模型本身”及“其衍生生态”，且在与物流场景的深度绑定中被进一步放大。

从大模型自身特性来看 ，主流大模型基于Transformer架构构建 ，这种自注意力机制使其天然存在不确定性，亿华云原生面临着“提示词注入攻击”等新型威胁 。攻击者通过上下文诱导 ，就可以让大模型输出错误信息，甚至做出错误决策，也就是大家常说的“胡说八道”。这种攻击的门槛低 、影响大且直接 ，传统安全防护手段难以提前预判与拦截。

但他也不得不承认，处在大模型时代 ，不发展是最大的不安全 
，免费模板任何行业任何企业都要赶上大模型的发展形势
，否则很可能被直接淘汰。

目前，物流行业正在将Agent广泛应用各种核心场景 
：智能客服可以根据用户授权操作直接调用户订单号，并获取更多敏感数据以回应签收查询；此外，无人配送车、楼宇配送机器人也成了物流行业的标配。

那Agent究竟是如何引发安全隐患的？毋庸置疑的是
，在诸多场景中 ，Agent的香港云服务器“高权限”是效率保障 ，但也形成了巨大安全缺口 。如何判断Agent获取的用户电话是否合理？如何界定其是否越权读取无关订单数据 ？

如今 ，包括防火墙、WAF等在内的传统安全技术和设备 ，对这类自动化、场景化的行为已经无法实现实时有效的防护拦截 。

“大模型的发展速度远超安全规划建设的云计算进度”梁博强调 ，无论是智能客服的敏感数据交互 ，还是无人系统的户外权限管控，本质都是“效率与安全的博弈”
：若为追求效率放宽权限，用户隐私与业务安全将面临威胁；若为保障安全收紧管控
，又会削弱技术对物流行业的赋能价值，这种矛盾在物流行业尤为突出。

以攻促防 ，实战守护数智物流网络安全

面对大模型带来的新挑战
，梁博表示 ，无论技术如何演变，安全的基本原理不变。传统网络安全治理框架，同样适用于大模型等新场景。

为此，顺丰科技采取了一套系统化、流程化的治理方法，其核心是“先理清家底，再针对性防护 。”资产识别和风险管理是第一步 ，首要任务是看的见
，通过主动测绘、API与源码分析、流量分析等技术手段，彻底搞清楚企业内部大模型生态的完整情况，包括大模型的应用，大模型的场景 ，Agent智能体。

其中，威胁情报是关键因素，其核心价值在于可以提供可理解、可执行的上下文，而非模糊的告警 。高质量的情报则能指导具体的行动 ，比如打补丁 、设规则等 ，起到知己知彼的作用 。

情报生产方面，顺丰科技利用AI技术从外部攻击和开源信息中自动化提炼情报。情报消费层面 ，其将外部情报与内部资产关联，通过知识图谱技术
，理解一个漏洞或威胁对自身业务链的实际影响，从而实现精准行动。

“实战是检验网络安全的唯一标准” ，这是顺丰科技内部一以贯之的安全理念 。同时，梁博也分享了网络安全应对策略 。他表示 ，顺丰的体量大 
，场景丰富，面临的安全挑战也相对严峻。面对大模型带来的新型威胁时，顺丰不单单依赖单一技术或解决方案
，而是以实战为核心驱动。

一方面，通过威胁情报
，同行交流 ，监管指导等方式，掌握更全面的风险。另一方面，基于这些风险 ，主动通过每季度内部红蓝对抗、每年邀请外部多久TOP攻击队演练和参加国家级实网攻防演练 ，加之分析外部APT报告 、同行安全案例，了解更高级的安全威胁  。

“通过这些实战方式，逐渐完善内部安全体系，并在实战中验证其是否能达到预期。此外 ，我们还建立了深度复盘机制，将实战中发现的问题转化为改进任务，形成闭环管理，推动安全体系持续迭代 。”梁博补充道。

他坦言 ，安全运营是顺丰内部长期的痛点，往往需要投入大量的人力去做。因为之前没有大模型，大部分场景很难通过自动化的方式实现。近两年我们基于大模型研发了自动辅助研判的驾驶的安全机器人，自动化率提升至30%
，但考虑到大模型仍存在幻觉问题，我们做了大量的兜底措施，诸如设置特定的提示词，严格限制自动化研判的场景。目前内部80%左右的安全场景已经能完全由大模型来研判 。

多方联合弥补网络安全生态缺口

作为甲方企业 ，梁博对当前网络安全生态的“断层”有着深刻认知。行业内有一个经典的“威胁情报痛苦金字塔”理论（Pyramid of Pain） ：金字塔底层是攻击IP、域名、邮箱等 ，中层是攻击者使用的工具与技术
，顶层是攻击者的技战术、技术、流程等，越往上层的对抗措施对攻击者的干扰越大 ，让甲方的防御更有主动性
。

但目前整个行业的情报消费仍处在痛苦金字塔中底层阶段，难以触及顶层。主要原因在于 ：其一，生产与需求不匹配。高级技战术情报的生产需要资深安全专家投入大量精力（仅依赖自动化&AI手段，准确率 、召回率往往不足30%），而需求仅集中在少数企业群体中 ，投入产出比低，导致乙方缺乏生产动力。

其二，设备能力局限 。当前主流安全设备 ，包括防火墙
、终端EDR等仍局限于处理IOC级别的威胁，无法支持更高级别的检测 。比如，根据流量中的Cookie、UA字段匹配等很难落地到现有设备中实现有效防御。

其三 ，接口与标准的缺失 。多数安全设备仅开放了数据接口，未开放检测 、分析、处置能力接口，甲方无法将更高级别的情报转化为设备可执行的动作，比如hunting行动、针对性防护检测规则等。

对于未来与乙方的合作
，梁博期待行业能共同推动两大方向：一方面 ，希望乙方加大对高级情报的研发投入 ，探索更高效的生产模式 ，降低甲方消费门槛；另一方面，期待设备厂商升级产品能力，开放更多的深度检测与处置接口，并有可落地的行业情报质量标准进行牵引 ，让高级情报真正实现可落地、可执行 。

写在最后

在大模型技术持续演进的当下，物流行业的网络安全没有“一劳永逸的答案”。

正如梁博所言，安全建设需要“直面挑战、快速迭代”——既要用成熟方法论管控新场景，又要通过实战持续优化防护体系，更需联合行业力量补齐生态缺口。顺丰的实践证明 ，唯有在“守”住安全底线的同时，积极“破”解新型风险
，才能在技术创新与安全防护的平衡中，为物流业务保驾护航 ，也为行业提供可借鉴的安全范式。