Check Point发布AI网络防火墙，R82.20保护数据中心与多云流量
生成式AI和智能体正在进入企业办公、开发、客服和运维流程，但很多AI访问在网络层看起来仍然只是普通HTTPS流量。传统防火墙能够识别域名、应用和协议，却不一定理解提示词是否包含敏感数据、AI智能体正在调用什么外部工具，也很难发现未经批准的“影子AI”。Check Point近日宣布在防火墙软件R82.20中加入AI Network Firewall，希望把现有网络边界升级为AI流量的统一控制点。
AI安全能力直接进入现有防火墙
与另行部署独立AI安全网关的方案不同，Check Point表示，新功能可以运行在客户已经使用的物理或虚拟防火墙上，并延伸到分支机构、企业数据中心、公有云和多云环境。对于已经部署Check Point设备的企业，这种方式可以减少新增网络跳点和额外设备，但是否能够覆盖全部AI应用，仍取决于流量是否经过相应网关、TLS解密策略以及企业具体授权配置。
重点覆盖三类AI流量风险
从产品定位看，R82.20主要关注三类场景。第一类是员工使用公开或企业级AI工具时产生的提示词与文件上传，平台可用于识别获批和未获批的AI服务，并按照数据类型和使用意图执行策略。第二类是模型上下文协议（MCP）通信，用于观察AI系统与数据库、代码仓库、浏览器及其他工具之间的连接。第三类是企业自建AI应用和大语言模型接口，重点防范提示词注入、越权调用和敏感信息外泄。
AI流量治理正在成为云安全新层级
企业过去部署云服务器安全，通常围绕身份认证、端口控制、漏洞修复、WAF、DDoS防护和日志审计展开。随着AI智能体能够自动调用API并跨系统执行操作，安全策略还需要回答“谁在调用模型、模型调用了什么工具、数据是否可以离开当前环境”等问题。AI网络防火墙的出现说明，防火墙厂商正在把管理对象从传统应用流量扩展到提示词、模型调用和智能体行为。
部署前应先解决可见性与合规问题
企业不应把单一产品视为AI安全的完整答案。上线前需要明确允许使用的模型和账号，建立敏感数据分类，确认哪些流量可以解密检查，并评估员工隐私、数据驻留及行业合规要求。对于部署在云服务器或托管机房中的AI应用，还应结合API鉴权、最小权限、密钥轮换、模型输入输出日志和DDoS防护，形成从网络层到应用层的多层控制。
SellBGP认为，AI网络防火墙的实际价值不只在于“识别ChatGPT访问”，而在于把模型、提示词、MCP和智能体调用纳入统一的网络策略。对于运行AI客服、自动化运维或模型API的企业，未来选择云服务器与高防方案时，也需要同时评估AI接口的访问控制、日志留存和异常流量防护能力。由于部分能力和风险数据来自厂商发布，实际效果仍应通过测试环境验证。
声明：本文由SellBGP编辑部依据谷歌云事故报告及公开渠道信息独立撰写。转载请注明出处。