AI数据中心狂飙建设，安全体系却严重滞后

何威风
何威风

祺印说信安

2026年7月18日 00:00
河南

在小说阅读器读本章

去阅读

随着全球人工智能竞争不断升级，AI数据中心正以前所未有的速度建设。从大型语言模型训练到推理服务部署，从超大规模GPU集群到智算中心建设，各国科技企业纷纷加快基础设施投资，希望率先抢占算力优势。然而，与算力基础设施快速扩张形成鲜明对比的是，安全体系建设却未能同步推进。大量AI数据中心在网络架构、身份认证、供应链管理、运维管控以及工业控制系统防护等方面仍存在明显短板，导致AI数据中心逐渐成为网络攻击者眼中的高价值目标。

与传统企业数据中心相比，AI数据中心已经不仅是服务器和存储设备的简单集合，而是融合了GPU集群、高速互联网络、智能调度平台、海量分布式存储、液冷散热系统以及智能供配电系统等多种基础设施的复杂计算平台。尤其是大规模GPU训练集群普遍采用InfiniBand、RoCE、RDMA等高速互联技术，以满足模型训练过程中海量数据交换需求，这虽然极大提升了计算效率，却也扩大了网络攻击面，使传统依赖防火墙、入侵防御和边界隔离的安全模式面临新的挑战。一旦攻击者突破内部网络边界，可能借助高速计算网络迅速完成横向移动，对整个训练集群造成严重影响。

AI数据中心面临的风险不仅来自网络攻击，更来自供应链复杂性的持续增加。一座现代AI数据中心往往涉及GPU、CPU、DPU、SmartNIC、高速交换机、光模块、NVMe存储、液冷设备、电源管理系统以及AI集群调度软件等多个供应商和数百种软硬件组件，任何一个环节存在漏洞、配置错误或供应链安全问题，都可能成为攻击者进入核心系统的突破口。因此，AI时代的数据中心安全已经从传统的软件漏洞管理，扩展到固件安全、硬件可信、供应链安全以及第三方组件风险管理等多个维度，对整体安全治理能力提出了更高要求。

与此同时，AI数据中心越来越依赖建筑管理系统（BMS）、液冷控制系统、UPS、电力调度系统、柴油发电系统以及PLC控制设备等运营技术（OT）设施，使传统IT网络与OT系统深度融合。攻击者即使无法直接入侵GPU服务器，也可能通过攻击制冷、电力或环境控制系统，导致GPU过热、供电异常、训练任务中断甚至整个数据中心停摆。这意味着未来针对AI数据中心的攻击对象，将从单纯的数据和服务器逐渐扩展到支撑算力运行的物理基础设施，实现\"攻击算力\"而不仅仅是\"攻击数据\"。

造成安全建设滞后的重要原因，在于当前AI产业竞争异常激烈，企业普遍遵循\"算力优先、快速上线\"的发展思路，将大量资源投入GPU采购、机房建设和模型训练，而安全设计、安全测试和安全运维往往被安排在建设后期甚至上线之后。此外，目前针对AI基础设施的安全标准和成熟实践仍处于不断完善阶段，传统数据中心安全规范更多围绕企业IT系统设计，对于GPU Fabric、高性能计算网络、AI调度平台以及模型训练环境等新型基础设施尚缺乏系统性的安全基线。同时，兼具AI平台、数据中心、OT系统和网络安全知识的复合型安全人才严重不足，也进一步制约了AI数据中心安全能力的建设。

从网络安全发展趋势来看，AI数据中心正在逐步演变为数字经济时代的新型关键基础设施，其保护重点也将发生深刻变化。未来网络安全工作的核心对象，将从单纯保护数据资产逐步扩展到保护数据、模型和算力三大战略资源；防护对象将从传统服务器和应用系统延伸至GPU集群、高性能互联网络、模型训练平台及OT基础设施；安全体系也将从传统IT安全演进为覆盖IT、OT、供应链和人工智能平台的一体化安全防护体系。随着AI算力逐渐成为国家科技竞争的重要战略资源，围绕AI数据中心开展的网络攻防对抗也将成为未来网络空间安全竞争的重要方向。