夜雨聆风2026年3月28日，第十三届开源操作系统年度技术会议（OS2ATC）在北京顺利召开。作为国内开源操作系统与网络安全领域的顶级盛会，本次会议聚焦自主可控、安全可信、AI赋能等核心议题，吸引了学界、产业界与科研机构的众多专家参与。会上，北京工业大学-可信云科重明研究院院长胡俊正式发布《基于自主可信计算的AI辅助系统安全设计方法研究》报告，深度剖析AI时代安全面临的全新挑战，厘清安全本质、技术路线与落地方法，为我国网络安全、信创产业与AI系统安全建设提供了清晰的理论指引与实践路径。
本次报告立足国家等级保护2.0与可信计算3.0技术体系，依托北京市可信计算重点实验室、国家可信计算攻关示范基地的研究成果，跳出传统安全思维定式，重新定义AI时代的安全边界、防御逻辑与实现方式。
一、AI时代安全本质：算力的对抗，主客场选择决定胜负，自主可信+动态白名单才是防御主场
随着大模型、生成式AI、智能终端与Agent的广泛应用，传统安全防护体系正在失效。AI不仅能提升防御效率，更能大幅强化攻击能力——自动化漏洞挖掘、定向钓鱼、智能绕过、对抗样本攻击等手段层出不穷，过去依靠“补丁、防火墙、杀毒软件”的老三样防护模式，已经难以应对AI驱动的复杂威胁。在报告中，胡俊院长首先直击核心：AI时代，安全本质是算力的对抗，但算力对抗中，主客场的选择才是胜负的关键。
这一定义打破了大众对安全的传统认知。过去我们认为，安全是“攻击与防御的能力竞赛”，比拼谁的算力更强、知识更全、策略更快。但在AI时代，真正决定胜负的，不是攻击方与防御方谁更“强”，而是双方站在什么样的规则场地上。即便防御方投入更多算力、更全知识，只要身处“攻击者主导的赛场”，依旧难以摆脱被动；反之，只要防御方占据自己的主场，即便攻击方算力再强、手段再新，也难以突破规则防线。
因此，主场选择，远比重建算力、补充知识、优化策略更关键、更根本、更有效。
在这场AI驱动的安全对抗中，防护路线的选择直接决定胜负。报告明确指出：被动黑名单是攻击者的天然主场，主动白名单才是防御者的绝对主场。
黑名单模式是我们最熟悉的安全逻辑：列出已知的恶意程序、攻击行为、危险地址，发现匹配项就拦截。这种模式本质是“被动挨打”——攻击者只要稍作修改，就能生成新的未知恶意样本，绕过黑名单检测。在AI加持下，攻击者可以快速变异攻击代码，让黑名单永远滞后于威胁。更关键的是，黑名单需要不断更新威胁库，防御方始终处于“追赶”状态，算力被大量消耗在无效匹配上，完全丧失主动权。无论防御方如何提升算力与策略，都无法在黑名单赛道上赢下攻击方。
白名单则完全相反：只允许已知合法的程序、行为、操作运行，除此之外一律禁止。这种模式从根源上切断了未知威胁的入侵路径，不需要依赖威胁情报，也不需要被动应对变异攻击。1975年国际安全领域经典论文早已证实，白名单的安全效果远优于黑名单；而PC普及时代选择黑名单，只是安全性对通用性的妥协，并非最优技术选择。
在AI时代，白名单的价值被进一步放大。报告提出，自主可信计算，是新一代动态白名单体系，是可以在保持通用性情况下构筑的，真正属于防御者的安全主场。
自主可信并非简单的静态白名单，而是一套“免疫系统式”的主动防御体系：它以可信密码模块（TCM）为信任根，以可信平台控制模块（TPCM）为安全监控平台，以可信软件基（TSB）为核心，将安全计算与业务计算完全分离，安全机制独立运行、最小化实现、不可旁路，完美契合45年前《橘皮书》提出的引用监视器三原则。
与传统静态白名单、半白半黑的零信任架构相比，自主可信动态白名单具备三大核心优势：
1. 属主可控：零信任的信任由厂商定义，而自主可信的信任由系统属主自主决定，可验证、可追溯、可管理；
2. 动态适配：基于业务态势与环境变化，实时调整安全策略，构建动态可信纵深防御体系；
3. 透明兼容：不改造业务系统，以安全代理、安全部件透明接入，适配各类硬件与软件环境。
报告强调，AI时代安全的最优路线已经清晰：放弃被动黑名单，以自主可信建设防御主场，用动态白名单实现主动防御。这一路线既符合我国网络安全合规要求，又能应对AI驱动的新型威胁，是信创产业、关键信息基础设施、AI系统安全的必然选择。
二、安全逻辑全新转换：自主可信实现业务导向的灵活适配，重构安全开发与集成模式
过去，安全建设一直遵循“自底向上”的固定逻辑：首先为网络信息系统部署安全产品，实施安全管理，在此基础上再配置安全策略、修补安全漏洞。这种模式导致安全与业务割裂，安全机制难以融入业务流程，不仅部署成本高、适配难度大，还容易影响业务效率，最终形成“安全与业务对立”的困境。尤其在自主可信计算产业链逐步成熟的当下，底层可信芯片、硬件、基础软件已初具规模，但集成与应用环节成为明显瓶颈——安全可信组件难以快速适配业务场景，安全机制无法灵活组合，导致安全保障能力难以落地。
在本次OS2ATC会议的报告中，胡俊院长提出了颠覆性的安全逻辑转换：自主可信计算可以先根据业务需求输出安全解决方案，再融合适配任意组合的安全机制流程与要求，彻底实现“安全与业务协同、安全为业务服务”的全新模式。
这一转换的核心，是自主可信计算具备标准化、模块化、通用化的底层能力，而支撑这一能力的关键，就是报告重点发布的Cube通用可信基础软件。
Cube是突破可信计算产业链集成与应用瓶颈的核心创新，它遵循我国可信计算核心组件标准和体系架构标准的要求，对标Linux系统架构，分为三层通用设计：
1. CubeOS通用TPCM操作系统：仅底层代码与硬件平台相关，可在不同可信硬件上移植，解决可信硬件兼容性问题；
2. 安全可信功能组件集：将密码算法、安全协议封装为“库函数”组件，将外部安全机制封装为“驱动”组件，可适配各种类型的安全机制；
3. 可信软件基：以积木组合方式，低代码搭建安全监控流程，大幅降低了安全机制开发的复杂度。
基于Cube通用可信基础软件，自主可信计算实现了全流程标准化安全开发规程，分为五个阶段：
1. 准备阶段：安全机制与CubeOS完成适配，统一接口标准；
2. 设计阶段：结合业务主客体关系，明确安全监控与控制要求；
3. 开发阶段：分解安全需求，搭建安全监控流程的模块与路由；
4. 部署运行阶段：将安全流程嵌入系统，实时监控业务行为；
5. 测试评估阶段：验证安全效果，持续优化方案。
这套体系让安全建设不再是“事后补救”，而是事前规划、事中适配、全程协同。面对不同业务场景——如云平台、物联网、工控系统、数据流通、AI服务、低空经济、车联网等，自主可信计算可以先梳理业务安全需求，快速输出定制化安全解决方案，再通过Cube的通用适配能力，灵活组合身份认证、访问控制、行为度量、操作审计、密码保护等安全机制，无需重复开发、无需改造业务、无需兼容适配大量硬件。
报告进一步阐释了AI辅助提升可信开发效率。依托自主可信计算底座，AI可深度介入安全全生命周期：在需求阶段智能解析业务场景与合规要求，自动生成可信度量规则与访问控制策略；在开发阶段基于大模型完成组件组合、流程编排与接口适配，快速生成可信监控链路；在测试阶段通过虚拟仿真环境开展自动化攻防验证与漏洞挖掘，智能优化安全路由。同时AI可对可信行为日志实时分析，异常行为精准识别、风险动态处置，让可信机制从“固定配置”升级为“智能自适应”，大幅缩短方案落地周期，降低复杂业务场景的可信开发门槛。
同时，报告还提出了自主可信计算开源社区“横向社区”规划，结合自主可信计算的集成能力，通过在安全设计全过程中提供AI辅助，并采用AI设计工具在虚拟化环境中进行自我验证，基于虚拟环境联通云计算、数据流通、嵌入式、WebUI、虚拟现实等不同领域社区，实现“由实入虚构建模拟环境、由虚化实适配安全机制”，进一步降低可信技术的应用门槛，推动自主可信生态全面开放与普及。
三、AI辅助安全核心：分而治之+控制闭环，大幅降低安全开发门槛
当前AI安全研究存在明显误区：大量资源集中在AI赋能攻击、黑名单防御强化，而在白名单、自主可信领域的AI应用研究几乎空白。在报告第三部分，胡俊院长明确指出：AI辅助自主可信安全设计，才是未来安全发展的核心方向，其核心方法是分而治之+控制闭环，最终价值是全面降低安全开发门槛，让普通人也能搭建高安全级别的可信系统。
AI本质是“模仿者”，当问题复杂度超过其学习能力时，效果会大幅下降。直接让AI处理完整的安全设计任务，很容易出现逻辑错误、幻觉、适配失效等问题。因此，报告提出分而治之的核心思路：把复杂安全任务拆解成小任务，分阶段、分层次、分模块、分状态处理，每个小任务简单清晰，适配AI能力。
在自主可信体系中，分而治之体现在三个层面：
1. 开发流程分治：传统安全开发混杂平台、管理、业务、测评安全；自主可信模式将可信层、安全层、业务层解耦，分层设计、独立开发、协同运行；
2. 系统层次分治：业务层负责功能实现，安全层负责透明防护，可信层负责策略与审计，三层通过标准接口对接；
3. 任务模块分治：将安全监控流程拆分为独立组件，AI逐个处理组件开发、配置、适配，降低整体难度。
与分而治之配套的，是控制闭环机制，形成完整的AI辅助安全开发循环：
1. 信息生成：清晰描述安全需求、业务场景、设计目标，形成标准化文档；
2. 信息输入：围绕任务精准输入数据，无冗余、无冲突；
3. AI处理：通过多次交互完成代码生成、流程设计、配置优化；
4. 运行验证：通过程序测试、模拟仿真、侧面验证，校验AI输出结果；
5. 结果分析：定位问题、纠正偏差、消除幻觉，持续优化AI行为。
“分而治之+控制闭环”的组合，让AI从“不可控的创意工具”变成“可靠的安全开发助手”。报告展示了在CubeOS-1.5系统下的实测成果：
架构开发：AI完成95%以上新代码生成，实现旧代码重构与移植；
模块开发：形成标准化模块范式，代码通过率大幅提升；
方案开发：支持学生全程AI辅助完成安全方案设计，验证可视化开发可行性。
这一成果的核心价值，是彻底降低安全开发门槛。过去，开发可信系统需要精通可信计算、密码学、操作系统、安全协议的高级专家，开发周期长、成本高、难度大；而在AI辅助下，开发者只需明确业务安全需求，AI就能自动完成代码生成、流程搭建、适配部署，专家只需负责审核与优化。
为了推动这一能力普及，报告还发布了异构兼容的物联网可信实训平台，支持兵棋、沙盘、演习场三种模式，覆盖从基础技能到综合设计的全流程实训，提供标准化开发规范与用例，让高校、企业、开发者快速掌握AI辅助自主可信开发方法。
报告最后总结：安全可信是可靠、安全、可信的协作过程，自主可信是开放协同的安全生态，AI辅助则大幅降低生态协作门槛。未来，自主可信计算将以动态白名单构建安全主场，以通用架构适配各类系统，以AI辅助实现规模化落地，为AI时代的网络安全、信创产业、关键信息基础设施保驾护航。
四、结语
本次OS2ATC会议上发布的这份研究报告，不仅是可信计算与AI安全领域的理论创新，更是面向产业落地的实践指南。它厘清了AI时代安全的本质与路线，重构了安全与业务的逻辑关系，提供了低门槛的AI辅助开发方法，为我国构建自主可控、安全可信的网络安全体系提供了坚实支撑。随着自主可信计算与AI技术深度融合，安全将不再是业务的负担，而是数字经济高质量发展的坚实底座。
end
