Cato推出AI预测式威胁防护，提前阻断攻击路径

企业安全防护正在从发现告警后响应，转向根据攻击路径提前实施限制。Cato Networks宣布在其云端SASE平台中推出Agentic Threat Prevention，通过AI代理分析用户、身份、设备、应用、流量、漏洞和威胁情报，预测攻击者可能采取的下一步动作。

从孤立告警转向关联攻击上下文

传统安全工具常把登录异常、管理工具下载、权限变化和横向连接分别生成告警。单个事件未必足够危险，但多个事件按时间和身份关联后，可能构成攻击链的早期阶段。

Cato的新能力会建立与客户环境相关的攻击模型，把网络和安全遥测进行关联。例如，某用户下载管理工具本身可能是正常行为；如果同时发生在异常时间、来源不可信，且该身份能够访问关键服务器，系统可进一步判断工具执行和横向移动风险。

系统可以自动收紧控制并定期解除

根据预测到的攻击路径，平台可以阻止访问可疑工具、限制后续下载、加强威胁防护规则或临时收紧访问策略。系统还会重新评估限制是否仍有必要，在行为恢复正常后解除部分自动措施，以降低长期误封。

Cato表示，这项功能主要面向复杂、多阶段攻击，包括AI辅助利用、身份驱动攻击路径、横向移动和勒索软件前兆。它并不是用来取代现有IPS、反恶意软件、DNS防护和防火墙，而是在传统实时防护之外增加预测层。

全球SASE骨干提供统一执行位置

Cato SASE Cloud Platform运行在由85个以上PoP组成的私有全球骨干网络上，并通过多个具备SLA的网络供应商连接。平台持续监控延迟、丢包和抖动，为流量选择路径，并在云端统一执行安全策略。

对拥有分支机构、远程员工和多云服务器的企业，统一策略有助于减少不同出口之间的配置差异。但自动化防护高度依赖身份、资产和日志质量。如果账户权限长期混乱或服务器未纳入监控，AI模型也难以获得完整上下文。

预测式防护不等于DDoS高防

需要明确的是，Cato此次发布主要解决企业内部攻击路径和访问控制问题，与清洗大流量DDoS攻击并不是同一种能力。高防服务器仍需要考虑网络层和应用层攻击容量、Anycast/CDN、清洗中心、源站隐藏和CC防护。

企业可以把SASE、零信任和终端安全用于减少账户被攻破后的横向移动，再通过高防IP、WAF和DDoS清洗保护互联网入口。两类能力相互补充，不能互相替代。

AI安全的真正价值不只是生成更多告警，而是能否在攻击链形成前采取可解释、可回滚的控制。服务器运营方在引入自动化阻断时，应为核心业务设置审批边界、紧急放行和审计记录，避免安全策略本身造成业务中断。

声明：本文由SellBGP编辑部依据Network World公开报道独立整理。产品能力、PoP数量及可用范围可能随厂商更新，采购前应核对Cato官方说明和服务合同。