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亿华云潮下物流行业来说，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建站模板实践路径 。

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 ，香港云服务器原生面临着“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 ，源码库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的模板下载“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免费模板进度”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。