Netskope推出AI智能体，助力SOC与NOC自动化运营

面对企业在告警量管理和基础设施复杂性方面的持续挑战，Netskope本周正式推出了一套由AI驱动的平台层，旨在减轻安全运营与网络运营团队的工作负担。

Netskope One AgentSkope是一个智能体AI框架，专为在Netskope的SASE平台内实现安全与网络运营工作流自动化而设计。根据Netskope的介绍，该平台能够自动完成告警分类与调查、策略管理等任务。Netskope还指出，由于资源不足，安全运营中心（SOC）和网络运营中心（NOC）中有高达40%的告警从未得到处理。

Netskope联合创始人兼CEO Sanjay Beri在一份声明中表示："我们构建AgentSkope，是为了让它成为一种自主的能力倍增器，提供一个共享的架构基础，让企业能够轻松部署可执行端到端工作流的AI智能体。通过抽象化运营复杂性、消除内部开发瓶颈，我们正在赋能安全与网络负责人大幅减少手动故障排查工作，让技术人才专注于战略性任务，并以业务发展的速度调整防御策略。"

据Netskope介绍，AgentSkope将AI智能体直接嵌入Netskope One的数据层，使其能够在不将数据导出至外部系统的情况下，直接对信息进行分析和处理。

IDC安全与信任研究经理Pete Finalle在声明中指出："面对快速扩张、由AI驱动的威胁态势，CIO和CISO必须将智能体安全自动化作为提升人力资源效能的关键投入。智能化的威胁分类、对现代威胁不断扩大的范围与规模的有效管理，以及对新兴AI模型和智能体的跟进，都已无法再依赖人工完成。"

AgentSkope已集成至Netskope One平台。Netskope表示，这一设计允许客户在单一界面内配置智能体，并确保其无需额外集成即可访问所有相关数据源。

Netskope产品与解决方案营销总监Rich Davis在接受《网络世界》采访时表示："Netskope AI智能体在设计之初就充分考虑了平台工作流，并深度嵌入平台架构之中。"他补充说，直接在数据源上运行智能体，减少了将大量数据迁移至其他系统的需求。"智能体可以承担重复性的告警分类和调查工作，让人工分析师专注于更具价值的决策。"

据Netskope介绍，新推出的智能体采用自然语言交互界面，支持从调查到修复建议的多步骤工作流执行。此次发布共推出六款智能体：

DLP AISecOps智能体：自动完成DLP告警分类，减少误报并优先呈现关键案例。

内部威胁AISecOps智能体：关联用户行为与DLP数据，识别内部风险。

私有访问AIOps智能体：审计访问配置，并根据使用模式自动生成策略。

DEM数据智能智能体：将遥测数据转化为可操作的故障排查洞察。

DEM洞察智能体：识别数字化环境中的性能问题与趋势。

CCI洞察智能体：支持通过自然语言查询云和SaaS风险数据。

在推进自动化的同时，Netskope也强调了人工监督的必要性。智能体可以自主收集数据、分类风险，甚至发起工作流（如创建IT服务工单或通知分析师），但不会自行采取最终行动。

Davis表示："调查完成后，智能体会等待安全团队成员审阅其发现，并指示其采取行动。这在节省时间与保持人工控制之间实现了平衡。"

目前，AgentSkope及DLP AISecOps、CCI洞察、私有访问AIOps、DEM数据智能和DEM洞察智能体已全面上线，内部威胁AISecOps智能体则处于私有预览阶段。Netskope表示，计划每月持续扩展其智能体产品组合。

Q&A

Q1：AgentSkope是什么？它主要解决什么问题？

A：AgentSkope是Netskope推出的智能体AI框架，集成于Netskope One SASE平台中。它主要解决安全运营中心（SOC）和网络运营中心（NOC）面临的告警量过大、资源不足的问题。数据显示，目前有40%的告警因资源匮乏而未被处理。AgentSkope通过自动化告警分类、策略管理等工作流，帮助团队减少手动操作，让技术人员专注于更高价值的决策任务。

Q2：AgentSkope的六款智能体分别有什么功能？

A：此次发布的六款智能体各有侧重：DLP AISecOps智能体负责自动分类DLP告警、减少误报；内部威胁AISecOps智能体通过关联用户行为识别内部风险；私有访问AIOps智能体审计访问设置并自动生成策略；DEM数据智能智能体将遥测数据转化为故障排查洞察；DEM洞察智能体识别性能趋势；CCI洞察智能体支持自然语言查询云和SaaS风险数据。

Q3：AgentSkope的智能体会自动执行所有操作吗，还是需要人工审核？

A：AgentSkope的智能体不会完全自主执行最终操作。智能体可以自动收集数据、分类风险、发起工单或通知分析师，但在完成调查后，会等待安全团队成员审阅其分析结果，并由人工决定是否采取行动。这一机制旨在兼顾效率提升与人工控制，确保关键决策仍由人类主导。