--- id: "stEROKktoT0" title: "Jeff Bardin，Treadstone 71｜网络安全之桥" channel: "SiliconANGLE theCUBE" host: ["John Ulczyk"] guests: ["Jeff Bardin"] date: "2026-11-03" updated: "2026-11-04" duration: "38:11" duration_seconds: 2291 source_type: "youtube" youtube: "https://www.youtube.com/watch?v=stEROKktoT0" canonical: "https://pod-exp.pages.dev/stEROKktoT0/" transcript_jsonl: "https://pod-exp.pages.dev/stEROKktoT0/transcript.jsonl" language: "zh-CN" translation: true translated_from: "en" timestamp_precision: "block" topics: ["AI 安全","AI 智能体","人工智能","科技趋势"] series: [] --- # Jeff Bardin，Treadstone 71｜网络安全之桥 > 中文译文，由英文原音字幕翻译整理，不是官方逐字稿；引用原话请核对英文原视频。说话人标签由整理者依上下文标注，带「未确认 / 未标注 / 不确定」等字样的标签不可靠。时间戳一般为块级（所在时间块的起点），不是逐句时间；正文自带 [hh:mm:ss] 的段落除外。 **内容提要：** Jeff Bardin 认为，许多企业把已经发生的失陷指标当作威胁情报，再给旧系统叠加 AI，却没有把情报用于战略决策和事前预防。他主张从文化、国家行为、人员心理和业务需求出发建立全源情报，帮助高管评估成本、收购与部署风险。他还谈到 AI 加速针对个人的认知操纵、行业转向自动化后对分析师技能和招聘方式的要求，并建议安全负责人用好现有情报、拥抱 AI、持续学习。 ## [0:08] 开场与网络安全问答 · YouTube **John Ulczyk：** 大家好，欢迎收听我的播客《网络安全之桥》。我是主持人 John Ulczyk，一名网络安全行业倡导者、网络安全专业人士、研究者，有时也做分析师——以前也做过分析师。要是你还没看过我的播客，那可得反省一下了。每一期分成三部分：第一部分聊网络安全某个领域的现状，第二部分聊它的未来，第三部分聊这座“网络安全之桥”，也就是我们怎样从现在走向未来。我请过不少很棒的嘉宾，今天又来了一位。我请到了 Jeff Bardin，他是 Treadstone 71 的创始人兼首席情报官。说到威胁情报，大家常会想到 Mandiant 或 CrowdStrike；但业内还有很多优秀的独立分析师，也有不少独立情报资源，Treadstone 71 就是其中之一。Jeff，欢迎来我的节目。 **Jeff Bardin：** 谢谢 John，感谢你邀请我上节目。我们确实很久没见了。我现在不太去 RSA 或 Black Hat 了，主要是太忙，也找到了别的事情让自己投入。 **John Ulczyk：** 你仍然为这个行业做出了巨大贡献。进入正题前，准备好玩网络安全知识问答了吗？ **Jeff Bardin：** 好吧，来吧，不过我可不敢押自己能答对。 **John Ulczyk：** 我觉得这题你能答出来。我们直接来一道技术宅题目。我得照着读，因为这是研究团队给我的：哪一种结构化威胁信息表示标准使用 JSON 对象，并且原生采用基于图的数据模型，使用 user、target、compromises 这类预定义关系？选项是 A：CybOX，B：STIX，C：OpenIOC，D：TAXII，还是 E：YARA？ **Jeff Bardin：** 别让我再读一遍题目就行。嗯……我在 STIX、OpenIOC 里面挑。我不会拼那个名字。YARA 我不选，CybOX 我也没看到……我猜得说 STIX。那就选你刚才说的 OpenIOC 吧。 **John Ulczyk：** 看，答案是 OpenIOC…… **Jeff Bardin：** STIX、TAXII 和 CybOX 这几个我会放在一块儿考虑。 **John Ulczyk：** 你得选一个，Jeff。 **Jeff Bardin：** 那我选 Open。 **John Ulczyk：** 好吧，答案是 STIX，我还挺意外你没选它。 **Jeff Bardin：** STIX？好吧。OpenIOC 也挺接近的，不过我已经不用这些了，Jim。 **John Ulczyk：** 嗯，行。 **Jeff Bardin：** 我之后可以解释。我已经转到别的领域了。 **John Ulczyk：** 那我们聊聊威胁情报和威胁态势的现状。你现在在威胁态势中看到了什么？哪些事情最让你担心？ **Jeff Bardin：** 我看到的是重复和迭代：技术层面上，大家一直在重复做同样的事。我简单解释一下。我看到一些老软件换汤不换药，只是在上面接入或内置一个 AI 模型；但底层还是同一套已经失败的模式。 ## [4:09] 威胁情报的定义与战略分析 · YouTube **Jeff Bardin：** ……这是一直沿用至今的失败模式。当然，也有公司正在做原生 AI 解决方案，但我看到的仍是同一套东西：大家继续往所谓“情报”上砸钱，现在只是在上面加个 AI 模型，而不是趁有机会把旧系统拆掉，换成真正有价值的东西。这样做成本高吗？当然高。但问题的核心是，技术采购一直在迭代同一套我认为已经失败的技术，一次又一次。 **John Ulczyk：** 能不能请你展开讲讲？我想你说的是防御方接收威胁情报并据此采取行动的能力。 **Jeff Bardin：** 首先，“威胁情报”这个词我甚至不太愿意说。对我来说，“网络威胁情报”是个不准确的说法，因为它依赖数据源，而数据源依赖失陷指标，失陷指标反映的又是已经发生的事情。情报的作用应该是告诉你接下来会发生什么、会怎样发生，以及在事情发生前该如何防御。 所以我说它还在重复旧模式：我们依然把重点放在获取攻击信息上。这当然是很好的做法，也确实需要做。但这些信息同时也像一张工单，让安全运营中心（SOC）去清理已经存在的问题。九十年代、甚至二〇〇〇年代初，我们做的也是这类工作，只不过当时叫分析、卫生检查、清理环境。现在把它叫作威胁情报，围绕这个概念已经形成了一整个小产业。 五六年前，不少公司声称自己有 AI，其实并没有。现在我们确实有了 AI 模型，但它们落在后面，正忙着把模型加到失陷指标体系上。可那只是去环境里找已经存在的东西，不是情报，只是清理和加固。这些事必须做，但真正的情报应该走在前面，帮助我们预防。 **John Ulczyk：** 你认为今天有哪些威胁已经显露出来，是我们应该提前防范的？ **Jeff Bardin：** 这就要靠你的情报收集和分析工作。我把情报分成战略、作战、战术和技术四个层次。现在大多数工作偏技术层面。所以我会从战略层面开始，看看我称为“文化纽带框架”（Cultural Nexus Framework）的东西。它借鉴了霍夫斯泰德（Hofstede）的原则，并在此基础上扩展。 我们用 STEMPLES+ 来看一个国家的情况：社会、技术、经济、军事、政治、立法、教育、安全；“加号”还可以包括心理、宗教和人口因素。再分析这些因素与网络安全、黑客活动、进攻性安全、防御性安全和 AI 应用有什么关系，以及他们把钱花在哪里、正在通过什么法案，然后逐层向下转化成作战层面的信息。 战术层面上，我们也会纳入已经发生的情况，比如 APT 活动，以及其他相关对象。我们把这些信息汇总进一个完整模型，得到全景式的情报视图，而不是只盯着日常维护的技术细节。我们采用全源情报方法，提供整体视角，帮助你在业务层面做决策；而现有 CTI 数据源通常让你只能在工程层面做决定。 ## [8:10] 商业决策需要什么情报 · YouTube **John Ulczyk：** 假设我是企业高管，刚才你还没说完吗？ **Jeff Bardin：** 没有，你先说。 **John Ulczyk：** 那如果我是企业高管，应该关注哪类战略情报？问题很宽泛，你可以按自己的思路回答。 **Jeff Bardin：** 还有一个误区。我是在情报机构体系里长大的，那类机构会为你制定优先情报需求，因为它本身就是情报机构。商业公司不是情报机构，只是在经营业务；情报只是他们认为能帮自己避开麻烦的一项副业。这就是他们花钱买威胁情报的原因。但除了采购决策，他们并没有把情报纳入其他决策，也没有用它来决定如何部署新系统、领导层面临什么威胁、如何保护员工。 AI 出现后，社会工程攻击在所有黑客攻击中的占比，据一些行业分析，已经从约 17% 升到约 85%。AI 工具让攻击更快、更有效，英语写得更好，也能触达更多人。 所以，如果情报能帮助企业在业务层面做决策——无论是营销、采购、销售、部署、并购，还是明年该把钱投在哪里——它就有价值。否则，公司只是在原有技术上反复迭代，每次买个升级版。我认为如今所谓威胁情报，说到底就是数据；它只是在帮我们维持系统运转，在攻击深入、数据丢失并造成重大泄露之前，尽早发现环境里的问题。 **John Ulczyk：** 那么，哪种战略威胁情报会真正改变决策？ **Jeff Bardin：** 要由内而外了解你的对手，这是我一直努力做的事。如果你不了解他们的思维方式、流程、模式、趋势、倾向，以及他们在不同情况下会怎样行动，你就等于在黑暗中工作。就像潜到水下十五米、没有灯，只能摸黑摸索；偶尔浮上来吸一口新鲜空气，那口空气就是一条情报数据源。 你需要查看并收集证据、评估证据、分析证据，再写出一份真正包含业务层面可执行信息的报告。现在这类工作还没有做到。战略情报应该贯穿公司的决策流程，但我们根本没有把它纳入其中。依我所见，企业领导甚至不知道情报可以这样帮助他们。 他们的网络威胁情报团队通常还是围绕 SOC 和事件响应来配置的。这些工作极其必要，但应该把它们区分开来，并配备真正的情报分析师。你做了多年分析师，知道分析的价值。我觉得我们现在反而离分析越来越远：AI 信息大量涌入，把人变成了做判断的人，而不是分析师；信息来得太快，人只能不断作判断。 最后补充一点：我去一些地方帮他们建立情报职能时，…… ## [12:12] 把情报转化为业务影响 · YouTube **Jeff Bardin：** ……帮他们把情报职能搭建起来。我一谈战略情报、甚至战术情报，他们就开始走神，因为他们只想改进 SOC 和事件响应。这是他们唯一了解的东西。我二十年来一直在努力让他们明白这一点，路还很长。有些人理解了，但上面的人并不在意。他们只关心会不会被黑客攻破、要花多少钱、这是不是我们的威胁，以及我们现有能力能不能防住。这就是他们真正关心的事，挺令人失望。 **John Ulczyk：** 确实。我在 2022 年做过一些研究，发现很多威胁情报停留在学术层面。 **Jeff Bardin：** 是。 **John Ulczyk：** 我们说要让威胁情报投入实际运用时，我发现大家所谓的“运用”不仅全是技术层面的，而且像是一个闭环：分析师找到情报，然后分享给其他威胁情报分析师，这就被称为投入运用。 **Jeff Bardin：** 没错，但情报并没有走出组织内部，也没人真正关心。举个例子，如果你在组织里真正落实了一项措施——哪怕情报来自别人先遭遇的攻击——别人的损失也可能帮你避免承受同样的损失。 假设你落实这项措施花了九万美元的人力和技术成本，却可能避免了数百万美元的财务损失和声誉损害。你应该去找 CFO 说：“如果我们也停摆这么久，可能会发生同样的事，你能给我算一下损失模型吗？我们刚刚做了这件事，你能不能估算一下避免了多少成本？”这样我就能证明，把钱花在真正的预防性情报方法上是值得的。 要用他们听得懂的方式沟通，不必先把他们培养成情报专家——这方面我已经放弃了。要从成本角度和 CFO 沟通；企业领导在决定收购什么、买什么、部署什么时，如果你能用情报帮他们做判断，那就有价值。无论是竞争情报还是威胁情报，或者企业打算进入某个地区时开展的人力情报，再结合与当地合作伙伴有关的网络威胁——比如对方所在国家正受到某个对手积极针对——这些都应该影响你的决策模型。可我们没有这么做，还在最底层忙活。用军事术语说，我们还停留在排一级，连旅级甚至更高层都没到；我们还在听一名少尉的意见，而没人听少尉的。 **John Ulczyk：** 所以你的意思是，去教 CFO MITRE ATT&CK 框架是在白费力气？我听起来像是这个意思。 **Jeff Bardin：** 完全是。 **John Ulczyk：** 这确实是白费力气。 **Jeff Bardin：** 他们不在乎这些，只想知道…… **John Ulczyk：** 我是在开玩笑。 **Jeff Bardin：** 对，当然。 **John Ulczyk：** 那我们聊聊未来吧，Jeff。我们看到对手开始针对人，而不是服务器，这一点大家已经很清楚了，Verizon《数据泄露调查报告》（DBIR）里也提到过。你能展开说说吗？未来是不是会出现更少恶意软件，…… ## [16:13] 以人为目标的攻击与信息操纵 · YouTube **John Ulczyk：** ……更多攻击会转向非人类身份、常规账号、被盗凭证之类，对吗？ **Jeff Bardin：** 我觉得这些情况肯定都会增加，John。人的认知领域已经急剧扩张，AI 又进一步放大了这一切。中国希望行动更快、更容易扩大规模；俄罗斯则希望操纵你、改变你的想法。你听说过“反射控制”（reflexive control）吗？这套做法在苏联时期和俄罗斯一直存在。现在又有了社交媒体和 AI，两者结合起来，我就能让你做出一个以为是自己决定的选择，但其实是我引导你做的——我从认知层面操纵了你，这就叫反射控制。他们很擅长这一套。 朝鲜想要钱，主要是为了从外面窃取资金。针对人是很好的入侵途径。一旦进去了，就能盗钱，也可能植入恶意软件。AI 会让整个过程更快、更容易扩大规模。伊朗想在不被追查到的情况下施加影响，此外还有各种代理势力。未来这种情况会继续发生。 当一个人已经被某种叙事说服、下定决心，就很难扭转。我曾参与出版一本关于认知领域的书，谈叙事情报和人员情报，但很少有人关注后者。叙事是灌输给一个人的内容；人员情报则是研究如何操纵这个人。 要做到这一点，我需要了解 John Ulzheimer 的一切：他是谁，写过什么。我会评估你写过的每篇文章，做符号学分析——你穿什么、背景是什么、头发是什么样、吃什么、听什么音乐，诸如此类。我还会做法证语言学分析，研究你的写作方式和习惯，这样我就能模仿你。我可以把这些资料交给 AI，让它写出一篇看起来完全像你写的东西。就是用法证语言学的方法，和当年抓住“大学炸弹客”时用的是同一类方法。 这些都应该纳入战略模型。只看失陷指标、IP 地址和标签时，这些内容根本不会被考虑。事实上，我也不希望擅长处理指标的人去做这件事；他们未必适合。我需要的是具备这方面技能的人。 **John Ulczyk：** 明白。要是你拿我做这种分析，恐怕会把大语言模型都无聊死。Jeff，你我开录前聊过这个话题。幸好离中期选举只剩几天了，但现在错误信息和虚假信息的规模前所未有。你怎么看未来？我们会不会连事实和现实都分辨不清？ **Jeff Bardin：** 我觉得在某些情况下，我们已经分不清了，John。有条定律叫“布兰多里尼定律”（Brandolini's Law），你可能知道它的意思，只是不知道名字：一个谎言能绕世界两三圈，真相才刚走到门口。现在这两三圈的速度已经快了十倍。真相如果被虚假信息淹没，就传不出去。越来越多的媒体通过社交网络传播这些内容，甚至电视媒体也在推波助澜；它们关心的不是事实，而是销售和收视率。这种情况已经持续十年、十二年，而且越来越严重。这是个大问题，因为一旦有人下定决心、确信…… ## [20:13] 认知操纵与国家级威胁 · YouTube **John Ulczyk：** ……对一件事深信不疑。你熟悉邓宁—克鲁格效应吗？简单说，就是有人觉得自己完全知道在说什么，其实对这件事一无所知。 **Jeff Bardin：** 我们经常看到这种情况。要让人改变想法、承认自己错了，在人性上非常困难。这就是人员情报的一部分：怎样操纵别人，让他们对某件事深信不疑；即使真实证据出现，他们也会在脑子里绕进循环逻辑，永远不肯相信，然后不断追问“那这个呢？那个呢？”这种情况到处都在发生。 营销人员知道这一点，运营社交媒体的人也知道。所以，如果你点了自己不喜欢的内容，就不会再看到它。你只会看到自己喜欢的内容。这个环境过滤掉坏消息，只喂给你想看的东西，用你偏好的叙事巩固你的想法，最后在认知层面操纵你——从俄罗斯的角度说，这又是反射控制。 这很令人失望，我们已经失去批判性思考的能力。 **John Ulczyk：** 真是个令人振奋的话题。说到威胁行为者和你密切关注的国家支持型黑客活动，你看到哪些未来趋势值得担心？哪些当下的趋势会延续到未来，尤其需要关注？ **Jeff Bardin：** 他们渗透进我们日常生活的程度非常大。我发现，不同国家的行为者会出于各自的原因，用不同方式，而且有些做得非常聪明。中国会用自己的办法和理由渗入你的环境，再慢慢地、长期地铺开影响，就像把青蛙放进冷水里再慢慢加热，青蛙不会跳出来，最后就被煮死了。 我认为这种情况会持续发生：人们的认知不断受到冲击，AI 还会把它推得更远。他们自己不用什么安全护栏，会在自己的环境里测试并运行这些东西，也没有指导原则；他们不在乎这些。因此，他们会尽可能把它用于各种用途，甚至会专门构建模型来测试如何构建模型。 他们不断研究怎样操纵人，把各种心理模型都喂进模型里：包括迈尔斯—布里格斯、CIA、MI5 或 MI6 使用的 OCEAN 或 DISC 类型模型，甚至俄罗斯的“七类激进分子”心理模型。然后，他们根据这些模型建立行为模式和情境，推演各种可能性，再对每种情境进行建模，通过这些情境操纵你。 这一切已经在发生，而且未来只会更快、更高效、目标更精准。我不确定该如何阻止，除非我们抢在它前面，先把真相传播出去，像布兰多里尼定律说的那样，在假消息传开前让真相先传遍世界。我们必须走在前面。 还有一件事，很快说一下：在 2010 到 2013 年间，我开始冒充塔利班发言人，在喀布尔、白沙瓦和其他地方发布信息。我这么做的原因是…… ## [24:14] 反制叙事与行业转型 · YouTube **Jeff Bardin：** 国际安全援助部队（ISAF）和北约都没有反制他们的宣传，一点也没有。所以我就冒充他们、模仿他们。跟踪他们大约两年后，我那个看起来和他们账号一模一样的账号，粉丝数反而超过了他们。 做了一年左右之后，我开始慢慢把叙事往自己希望的方向引导，同时保留真实内容：引用《古兰经》《圣训》和圣行里的原文，不做得太露骨。我能进入他们的论坛和博客，也会转发他们的杂志，比如《灵感》（Inspire），覆盖在原有内容之上，试着一点点把他们拉回《古兰经》真正说的内容，而不是被曲解后的版本。 这办法一度奏效。但我连续两年、每天晚上十点半工作到凌晨五点，最后还是精疲力尽了。不过，如果你能及时发现风险、抢在前面，这件事是做得到的。更大规模的机构和组织比我们更有条件推进。我们已经做这件事很久了，令人失望的是，其他人看不到其中的价值。 大家还是在不断砸钱买工具、做安全卫生和事后清理，简直像是在处理五号通道的事故现场。 **John Ulczyk：** 那我们来聊聊这座网络安全之桥：怎么从现在走向未来。你最乐观的是什么？最大的阻碍又是什么？ **Jeff Bardin：** 乐观？嗯，还是有些人明白问题所在。我希望网络威胁领域的大公司能做出重大改变。如果 Mandiant、CrowdStrike 这些公司能真正重视这个问题，并说“我们得改变这个模式”，我就会感到乐观。只要模式变了，整个行业都能转向，因为其他人会跟着它们走。我们的七十一人团队可能会被一些人关注，我们也培训过这些组织里的不少人，但现在需要大公司把船掉头。 这是一艘大船，不可能很快转弯；得有好几艘拖船朝同一个方向推——当然也可能互相拉扯。我不知道这会不会发生，但希望能有一个联盟，让大家把行业从被动应对转向真正的情报工作，提前行动。 我觉得现在是个转折点，AI 已经在我们手里，我们可以用它做很多事。与其任由它摧毁社会——这是很多人一直在谈的——我们也可以积极、有效地用它来扭转局面，真正开始预防，抢在威胁前面。我认为做得到，只是不知道他们是否愿意，或者股东和利润要求会不会逼他们维持现状。改变会带来一些财务阵痛，但如果他们坚定推进，我认为长远看会带来巨大的财务回报。不过，这在这些组织里甚至可能变成职业自杀，除非他们有一群支持他们的倡导者。 **John Ulczyk：** 这有点像 Andy Grove 那句“只有偏执狂才能生存”，总得留心身后。但我想追问一下：你说的“把船掉头”具体是什么样子？ **Jeff Bardin：** 我认为 SOC 会逐渐把很多工作自动化。AI 会推动自动化，很多决策会从你手里移走，最终由智能体 AI 接管。我们现在处于生成式 AI 阶段，这很好。 **John Ulczyk：** （清嗓） **Jeff Bardin：** 很多组织也在试用智能体 AI。把已经收集到的所有数据拿来，你就可以…… ## [28:15] 重塑团队技能与分析流程 · YouTube **Jeff Bardin：** ……你可能会用 AI 做这件事，但你还得有自己的护栏和决策流程，也要处理变更发布等组织内部环节。这些都得跟着改变。行业转型必须从基层开始，让大家认真看待这件事。 攻击信息和失陷指标当然有价值，但这些工作会逐步自动化。我们会把你转到 AI 相关的分析和预防工作上，改变你的技能方向。 我们培训网络情报人员时，我会追踪学员的情况：他们上课前会做迈尔斯—布里格斯性格测试。来上课的人里，70% 是 INTJ，其中大多数来自 SOC 和事件响应岗位。这种 INTJ 模式偏工程思维，所以我们得找到能吸引这种思维方式的方法，让他们转向更擅长的分析工作。但岗位转换并不容易，分析领域也需要不同性格类型的人才，因此招聘对象也必须改变。 现在我们还是主要招聘工程师和技术人员。招聘对象以及所需技能都得彻底转变。我一直觉得，最好的情报人员也许是有图书馆与信息科学硕士学位的人：他们知道怎样查找信息、分析信息，不一定有技术背景，但技术可以学。他们可能是我能找到的最优秀的分析师，能力非常出色；但他们有时会躲着技术，因为行业里存在一种“我懂技术，你不懂”的偏见。我也见过这种情况，当然不是每个人都这样。 我认为我们得有一套完整的转型战略，重新审视招聘的人、采购的技术，以及我们如何应用技术。 **John Ulczyk：** 照你这么说，在 AI 环境下做受威胁情报指导的防御，需要像你这样的人，或者经验丰富的威胁情报分析师，来协调智能体的工作。 **Jeff Bardin：** 对。举个例子：我教了很多年的情报生命周期，现在可以做成自适应生命周期，全部纳入 AI 模型。你甚至可以把部分情报收集工作也纳入模型，让它收集证据。我可以把证据收集流程也搭进去。 大家现在还是用异常评分。我们在 Zenodo 上发布了一项扩展后的 ASA 标准，供大家评论，因为旧模型需要更新。我们把这些模型都扩展了，也扩展了 Fiers 和 Heuer 的结构化分析技术（SATs）。我们新增了六十种技术，因为方法必须随环境变化。大家还在用老 SATs，我自己也还在用，但我们已经把它扩展到预测和估算，帮助我们抢在威胁前面，获得真正的情报，并用可量化的信息来衡量。 每个环节都可以量化，但大家没时间，也不愿意量化。John，我有点跑题了，你随时打断我。不过，我认为现在正是全面重新打造这套体系的时候：AI 已经来到我们家门口、进入我们的生活，大家还在摸索到底该怎么用、能放开多少、该限制多少。有人怕 AI，有人又不怕。我觉得应该拥抱它、掌握它，建立自己的模型。因为我现在做的这些工作，往后看未必还是一种可行的职业技能。你得往上走，管理流程、数据源和整套结构。 **John Ulczyk：** 对，我想问的就是：你有威胁情报分析师的技能，嗯，但这会转化成……怎么…… ## [32:15] 智能体能力与职业建议 · YouTube **John Ulczyk：** ……我该怎样让智能体更聪明？不只是照着我的工作做，还要能实时执行，知道该找哪些数据、采取哪些行动。我觉得这会成为未来几年逐渐发展起来的一套技能。 **Jeff Bardin：** 没错。我发现现在的 AI 模型有点像青少年，你得不断提醒它。它会丢失记忆。即使我把要求写进指令、写进内容里，告诉它回去看、别忘了这些事，文件就在文档里、在某个文件夹里，我还得指给它看，它仍然需要我提醒。 我得明确说：“确保照这些要求做。”我已经把提示词建进去了，也告诉它必须遵守；如果没遵守，我会回来复核。我会做同行评审，追问它：“所以呢？谁会在乎？”这件事到底有没有实际问题和缺口？有没有漏掉什么？它能不能回答我 C-suite 之后可能会问、但我现在还没想到的问题？这些都得教给 AI，否则它不会知道。AML 不会明白这些，除非你告诉它。 **John Ulczyk：** 对，“所以呢，谁会在乎？”非常重要。还要把情境告诉它：我身处这个行业，我们眼中的风险是什么，最担心哪些威胁，最重要的资产是什么。这些都很关键。Jeff，今天能和你聊这么久真好——我节目里常这么说，但时间差不多了。我想问每位嘉宾的问题：你想给听众什么建议？你也可以说说建议是给谁的，比如企业高管、CISO 等。 **Jeff Bardin：** CISO 们——根据行业报告，八成到九成的人认为威胁情报有价值，但只有 20% 到 25% 的人真正使用它。把你手头的信息用起来，否则你会失去它。你可能因此丢掉工作。要抢在威胁前面。 不管你是谁，都不要害怕 AI。拥抱它，尽可能学会驾驭它。你控制不了它，但可以让它发挥正面作用。大家都担心 AI 的隐私问题，我理解，而且完全理解。不过，如果你严格在自己的环境中构建模型，并告诉它哪些内容可以使用，我觉得你至少能在一定程度上驾驭它。我们还不知道它最终会从你这里拿走什么，这一点我并没有完全把握。但我一直很频繁地使用 ChatGPT、Claude、Gemini，甚至 Copilot；它们在功能和能力上你追我赶、轮流领先。 大家都要学会驾驭 AI。如果你觉得自己的工作会被取代，就去了解 AI 能做什么、学会相应功能，这样你就能提升自己，不会被边缘化，也不至于过几年眼看虚拟员工抢走你的工作时满腹怨气。这得靠你自己。 另一件事是不要停止学习，永远别停止学习。我修过四百多个大学学分，有学士和硕士学位。我刚才说可能有一半学分是白费的，只是为了学东西——其实也不是白费，只是没有一纸证书证明我完成了那些学习。但我一直在转变、调整，保持灵活。我今年 68 岁，还是很喜欢做这些事。我住在佛罗里达的高尔夫社区，却不会打高尔夫。别人问我是不是要退休，我朋友们都退休了；我不想退，我热爱现在做的事。这不只是工作，而是我从第一天起就受过训练、真正投入的一件事。所以，永远学习，驾驭 AI，别放弃。 **John Ulczyk：** 对，我也同意，这不只是工作，而是一项使命。所以你我这样头发都白了的人还在坚持。还有一点： ## [36:19] 结尾与资源 · YouTube **John Ulczyk：** AI 的准确性和效率，当然取决于它能接触到的数据质量；持续、扎实、全面的威胁情报——就像你们 Treadstone 71 做的这些——对能否及时发现或预防威胁，影响很大。Jeff，非常感谢你来做客。大家可以去哪里了解更多 Treadstone 71？ **Jeff Bardin：** 今年我们在 treadstone71.com 网站上推出了不少新内容。我们发布了一个对手索引，也有认知预警模型。网站上还有各种免费工具，利用我们新增的六十种结构化分析技术中的很多种，你都可以免费使用。去找“高级分析优势”（Advanced Analytic Dominance）就能找到；我也可以把链接发给你。 我们最近还发布了一门新课程，内容包括布兰多里尼定律、叙事情报与叙事防御，以及预测与估算；这门课昨天刚发布。我们希望通过教育和免费工具保持领先，提供一些你在很多网站上看不到的东西。我们愿意把这些免费分享出来，因为我不知道自己还能做多久——不过我以后总会在某个地方继续做下去。 **John Ulczyk：** 都是很好的内容。再说一次，去 treadstone71.com 了解更多。也谢谢听众收听，我们下期《网络安全之桥》再见。