遵循业务风险可观察，可发现，可防护的三原则，基于零信任理念，通过分析Al访问流量，以访问者身份为核心，具备行为分析，细粒度业务感知能力，由策略驱动进行访问控制的数据处理系统及实时业务防护系统。确保每一次Al调用、每一次人机交互都处于动态可控的安全状。

· AI业务防火墙采用端侧/边缘侧部署方案，反向代理模式，接入全量的模型访问流量。
· 根据企业调用大模型服务的方式不同，AI业务防火墙有两种部署模式。

1、部署在业务应用前，代理用户访问请求，基于用户身份，实现输入、输出安全防护。
可以防护整个AI应用的访问，将并发压力截停在最前端，对于自动化攻击和算力消耗行为有明显效果。

2、部署在LLM服务前，代理所有Al访问，实现有害内容拦截和数据安全防护。
只防护LLM接口和业务，内容更纯粹，领域更集中，但是算力防护效果欠佳。

用户与模型 (南北向)，应用与模型 (东西向) 之间通过标准API/OpenAI接口/MCP协议等进行数据交互，缺乏管理。
技术亮点：
自动化分析AI模型访问数据，识别访问模型的API资产、AI应用，业务系统信息。
发现影子AI资产，如员工使用采用未经授权的人工智能工具，如聊天机器人、编码/文本生成等生产力工具。

对输入、输出内容进行实时检测及管控，避免个人/企业敏感数据违规上传，确保大模型的输出不包含用户访问权限范围之外的敏感信息。
技术亮点：
内置GB/T 35273、电力、金融、运营商等行业数据分类分级规范，自动对交互数据进行分类分级展示、分析。
基于AI能力，对敏感数据进行智能化分析校准，将姓名，公司等敏感数据识别的准确率由80%提升到95%。

检查大模型的输出内容，识别通用敏感信息、企业自定义敏感信息，并提供阻断能力。适用于RAG信息窃取/系统提示词窃取/业务数据窃取攻击场景。

技术亮点：
自动化分析响应数据的内容，识别敏感信息；
提供动态脱敏、水印、文件数字签名能力，防止数据泄露。
可针对非结构化数据（word/txt/pdf/excel/ppt/压缩包等文件）提供安全管控、溯源审计能力。

可基于特定的业务场景，建立数据访问风险模型。如下示例中，从访客、时间、数据流转、数据响应等不同维度建立数据泄露风险规则或基线，发现异常数据泄露风险。

检查每一次的大模型访问，验证用户身份，拦截未授权访问、越权访问等异常流量。
技术亮点：
自动化识别、提取鉴权参数。可从Al访问请求的参数位置、业务上下文关联状态参数解析参数。
可对全量Al访问行为进行用户级跟踪，对指定用户发起的所有A业务行为进行分析、审计和溯源。

防范针对大模型调用API的薅羊毛行为，自动化机器行为，消除恶意tokens消耗风险，保证业务可用性。
技术亮点：
通过用户访问上下文，设备指纹，客户端环境风险检测，人机识别等多种技术组合进行风险建模，识别异常访问行为。
广义身份识别及动态验证：从用户，设备，网络，行为等多维度定义访问者身份，实行连续身份认证和风险评估。

· 分析全量的Al访问数据，基于不同的业务场景进行参数提取，实现业务原子颗粒度风险建模。

· 可视化业务运行状态，如AI调用情况（如QPS、请求成功率、请求平均RT、风险统计等）。

· 用户画像：从用户部门，访问时段，咨询问题类型，模型平均反应时间，模型平均消耗token数量，用户平均交互次数等多个维度来进行分析，建立Al访问者用户画像，辅助企业优化大模型使用体验。
技术亮点：
全量数据结构化存储，分析。
高速数据处理引擎。

业务场景参数级理解，数据驱动的业务安全策略，低代码安全防护能力。

2025年3月，Go0gle推出一套全新的安全解决方案-AIProtection。该方案结合了AI与数据安全的能力，用来给部署了AI应用的企业提供全面的安全防护。

2025年3月，字节跳动 (火山引擎) 推出大模型应用防火墙解决方案。
方案能力涵盖：用户接入层、智能体层、服务/业务层、模型推理层、模型训练层的五层威胁模型。
可应对提示词注入、聊天数据窃取攻击、系统权限攻击、DDoS算力消耗攻击等典型场景。

2025年1月，阿里推出AI网关解决方案，结合API网关，形成AI应用以AP形态对外透出和管理的完整方案。即：

· 所有对大模型服务的调用都走AI网关，在AI网关上解决模型的稳定性、鉴权、安全合规、观测治理等问题。

· 所有AI应用对外透出的API调用都走API网关，在API网关上解决协议接入、认证鉴权、限流、降级等诉求。

事件背景：该航司近期频繁接到旅客的投诉电话，表示自己在航司订票之后隔天，接到了来自澳门的诈骗电话，其准确描述了自己的身份和行程信息，疑似个人数据遭到泄露。
分析过程：分析师从受骗旅客信息中选取了两个身份证号，进行了一周的敏感数据溯源查询，发现旅客是通过【OTA】渠道进行的订票，且在近期有多个不明身份的P使用旅客的【姓名+身份证+机票号】到航司【官网】进行了【客票验真】操作，都成功从验票AP返回值中获取到了旅客的完整行程信息。经与航司核对，这些IP的身份和行为无法确认。通过数据分析和建模，发现【验票API】的访问量存在明显异常，存在一些访客在使用大量的、精准的旅客三要素进行重复的验票，都成功获取了旅客行程信息。从行为特征看，都属于自动化访问。

处理结果：在平台上配置风险规则，对这类行为进行精准识别和告警。

需求背景
· 某Top互金公司，内部人员因业务需要，可访问大量用户个人信息
· 企业运营支撑类系统数量多，账号体系不统一：统一登录 (OA账号)、独立账号、混合账号（同时支持OA+独立账号）。涉及到自有员工、外包、合作方等不同角色和不同网络环境
· 曾出现过业务人员泄密事件，缺乏数据访问行为监测能力
建设方案及成效
· 通过应用数据审计平台，旁路部署，实现各系统用户账号统一监控，账号身份与自然人关系关联映射，账号行为与敏感数据操作安全审计及溯源。

· 通过用户+终端+网络+访问行为等多维度关联分析，确定数据访问者用户画像，对何人、何时、何地、以何种方式进行的数据访问操作，进行全量留存和记录，并提供溯源与定责依据。

支持对账号身份标签管理，如:岗位标签、职场标签、合作类型标签、地理位置标签等

支持识别异常登录、账号冒用、僵尸账号等异常风险，支持异常账号识别规则配置

支持识别请求/响应包里用户个人敏感信息内容、数量和明细，并进行溯源分析

对于SSO登录、零信任登录、独立账号登录等多种模式下的主账号关联及访问轨迹分析

支持基于账号的数据泄露风险规则定制及快速上线