🗾ITmedia AI+ (日本)•最新收集於 81m
Gartner預測2028年SOC人手處理量將減少30%
#cybersecurity#security-operations#automation#ai-riskgartner-soc-automation-forecastgartnersocsiemsoar
💡了解AI如何減少SOC人工作業，同時讓攻擊變得更持續、更複雜。
⚡ 30-Second TL;DR
有什麼變化
到2028年，SOC的人工作業預計將減少30%。
為什麼重要
企業需要將SOC投資從重複性的警報處理，轉向自動化、協同編排與更高價值的調查工作。從事安全系統的AI實務人員，可能會面臨對可靠分流、可解釋性及人機協作控制更強的需求。
下一步行動
檢視現有SIEM/SOAR的AI輔助警報分流功能，並進行30天試點，衡量節省的分析師時間、誤報率與升級判定準確度。
誰應關注：Enterprise & Security Teams
關鍵要點
- •到2028年，SOC的人工作業預計將減少30%。
- •AI正在擴大網路攻擊的規模與複雜度。
- •Gartner提出安全領導者應採取的三項優先工作，以維持競爭優勢。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Gartner強調此轉變主要歸因於生成式AI（GenAI）在威脅偵測與自動化回應（SOAR）流程中的深度整合，能顯著降低SOC分析師的認知負荷。
- •預測指出，企業將從傳統的「以人為本」防禦模式，轉向「AI優先」的營運架構，以應對攻擊者利用AI進行自動化漏洞挖掘的威脅。
- •安全領導者被建議將預算從單純的工具採購，轉向投資於「AI就緒」的數據基礎設施，以確保安全模型能處理高品質的威脅情資。
- •Gartner指出，儘管人手處理量減少，但對具備AI模型調校與提示工程（Prompt Engineering）能力的資安人才需求將大幅上升。
- •此趨勢將促使SOC從被動的警報監控中心，轉型為具備主動威脅獵捕（Threat Hunting）能力的戰略性決策中心。
🛠️ 技術深入
- 自動化回應流程（SOAR）整合：利用大型語言模型（LLM）自動解析警報並生成初步調查報告，減少人工分類時間。
- AI驅動的威脅獵捕：透過機器學習模型分析異常流量模式，取代傳統基於規則（Rule-based）的偵測機制。
- 數據標準化與情資整合：採用統一的安全數據湖（Security Data Lake）架構，為AI模型提供結構化與非結構化的訓練數據。
- 提示工程在資安的應用：透過標準化提示詞庫，讓分析師能快速查詢複雜的日誌數據並執行自動化修復腳本。
🔮 前景展望AI analysis grounded in cited sources
SOC分析師的職能將從警報處理轉向AI模型監督。
隨著自動化程度提高，人類的角色將聚焦於驗證AI決策的準確性與處理複雜的例外狀況。
資安預算結構將發生結構性重組。
企業將減少對基礎監控工具的依賴，轉而增加對AI基礎設施與高階資安數據科學人才的投資。
⏳ 時間線
2023-05
Gartner發布關於生成式AI對資安營運影響的初步評估報告。
2024-02
Gartner提出「AI信任、風險與安全管理」（AI TRiSM）框架，強調AI在資安防禦中的角色。
2025-03
Gartner發布關於SOC自動化成熟度模型的年度更新，明確指出AI整合的必要性。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： ITmedia AI+ (日本) ↗