尽管生成人工智能洪水工业话语的承诺在网络安全领域至关重要：大语言模型（LLM）既不足够，也不适应单独进行组织的数字辩护。现在，最先进的操作安全（SOC）中心远不是远不及无所不知的合同的想法，现在专注于混合体系结构，结合了经典IA，规则，图形分析和专业代理。
替代幻想，而不是运营现实
自从公众出现Chatgpt以来，网络安全部门已经看到了一个简化的视觉：越来越多的分析师能够将所有分类，调查和补救任务委派给LLM。从理论上讲，生成模型可以读取日志，解释警报，确定攻击方案并推荐答案。在实践中，这种整体自动化提出了几个关键限制：处理时间的缓慢，能源成本，响应可变性，最重要的是无法保证决策一致性。
LLM的主要问题不仅是幻觉，而且是一致性。两个相同的分析可以得出两个不同的结论。但是，在SOC中，决策的可重复性是信任的必要条件。
经典模型仍然必不可少
AI工具已经在安全环境中整合了多年 – 统计算法，行为检测模型，板上专家系统 – 尚未消失。他们提供了LLMS不提供的保证：执行速度，本机解释性，资源较低，结果的稳定性。
分析模型仍然具有实际价值。它们允许对特定用例的可靠检测，而无效黑匣子效应。板载反验证引擎，异常加密检测剂或用于访问管理的行为AI就是这种情况。
获胜建筑：专业，编排，监督
面对“唯一LLM”的限制，最先进的玩家采用了模块化逻辑。他们没有将所有内容都放在中央模型上，而是将专业的AIS在有针对性的任务上部署 – 对日志的解析，可疑电子邮件的分类，配置分析 – 由图形系统或进化规则进行精心策划。
然后，LLM可以发挥相关作用：上下文化，对非结构化数据的解释，摘要的产生，但始终在有监督的环境中，具有明确的保障措施。例如，在凯夫拉尔（Kevlar），每个AI决定都是可追溯，可审核的，并且充满了人类的反馈。目的不是要取代分析师，而是要节省他的时间而不会浪费控制。
有用的AI是一个谦虚，本地，受控的AI
在微软的一侧，谨慎行事。 Arnaud Jumelet在2025年Incyber的2025年版中回忆说，在生产中部署的解决方案通常是混合和本地的，例如Edge中嵌入的“刺激性阻滞剂”，它使用Light Vision AI检测错误的警报消息。 “这些模型很小，快速且对隐私的尊重。我们喜欢这种AI对敏感用途。”
在空洞中，这是单个和集中式AI神话的终结。网络安全的限制 – 合规性，可调性，误报的管理 – 施加了一个适合上下文的分布式AI，尤其是可控的。
走向集体智慧，而不是集中
它不是通才的合作者，而是专业代理的星座，如今似乎是最有前途的模型。敏捷模块，能够与各种数据进行交互，但由人类监督并整合到严格的治理框架中。
大规模的任务自动化并不意味着决策的自主权。相反，它在人与机器之间实施了新的作品分布，在这种情况下，可靠性，一致性和上下文化优先于流体文本。
在每个失误都可以打开关键缺陷的世界中，网络安全不需要甲骨文。它需要一个可解释的AI，专业和负责任的网络。和人类能够充分利用它。
