伊顿电气关键电源亚太区总经理 李海平
作者简介
李海平，伊顿关键电源亚太区总经理，清华大学工学本科毕业，香港科技大学MBA。多年在IT/数据中心、电气行业从事商业管理工作，历任Dell EMC大中华区存储业务总经理、Dell大中华区网络总经理、Dell大中华区互联网数据中心业务负责人，是中国最早的思科认证网络专家之一CCIE#4435(R&S、SNA/IP )。在中国最早提出了 “软件定义网络”、“软件定义存储”和“软件定义数据中心”理念，转任伊顿后提出了“软件定义动力”概念来推动中国与亚太地区数据与能源的融合发展。
在 AI 加速渗透各行业的背景下，数据中心承担着海量数据的存储与处理，是 AI 应用的关键底座。但安全威胁也在升级：Cybersecurity Ventures预计，到2025年，全球网络攻击造成的损失将超过10.5万亿美元。数据中心因此成为重点攻击目标，构建全方位安全防护体系已成为运营者的必答题。
IT 信息系统安全：给数字世界加上 “防盗门”
1.数据全生命周期安全管理
数据是AI发展的“粮食”，从采集、存储、传输到使用、销毁，贯穿全生命周期保护。医疗AI曾因病历隐私处置不当导致数据泄露，造成经济与声誉损失。联邦学习可在数据不出本地的情况下联合训练模型。
存储侧可采用AES 256全磁盘加密，并结合区块链进行密钥管理；传输侧可采用量子密钥分发提升通信安全（如“京沪干线”实践）；使用与销毁阶段通过基于属性的访问控制动态授权，并以物理粉碎与逻辑擦除彻底清除数据。
国际上遵循ISO/IEC 27001标准，强调信息安全全流程管理；国内则依据GB/T 35273标准，规范数据处理各环节操作，确保数据安全。
2.网络安全架构升级
AI业务流量大、分布广，传统网络安全架构难以应对。零信任通过“持续验证+最小权限”，配合微分段和软件定义网络实现精细化流量控制。某互联网巨头落地零信任方案后，对非法访问的拦截率达 99.8%，有效避免了恶意程序横向移动。
在云环境中，容器化AI应用存在被“投毒”（如恶意镜像）风险。可采用运行时防护进行持续监测，并借助服务网格实现服务间加密通信；再结合威胁情报驱动防御，采用机器学习分析全球漏洞信息，提前72 h预测勒索攻击并自动更新防火墙规则，从而降低攻击成功率。
国际上网络安全架构建设参考NIST SP 800-207标准；国内依据GB/T 25067标准，同时遵循 ISO/IEC 27035标准，为网络安全事件管理提供了框架。
3.应用与系统安全加固
操作系统与中间件是AI应用运行的基础。AI服务器常用的Linux系统容易暴露漏洞，可通过SELinux等强制访问控制限制进程权限；Hadoop等中间件需持续进行补丁管理，否则可能因HDFS权限绕过等漏洞带来数据被篡改风险。
AI模型同样面临风险：若模型未加密，可能导致参数被窃取，以及遭遇对抗样本攻击，导致准确率从99%降至20%。可采用模型水印、联邦学习与对抗训练等手段提升模型与数据的安全性。在漏洞响应与治理方面，国际上可参考ISO/IEC 29147标准；国内可遵循GB/T 30279标准。相关组织也在推进AI模型的安全评估标准。
底层基础设施安全：筑牢物理世界的 “防护墙”
底层基础设施安全框架如图1所示。
图1 底层基础设施安全框架
1.供配电系统安全保障电源系统是数据中心的关键基础。可通过IEC 62443与UL2900等认证提升内生安全；采用2N双母线供电、模块化UPS（N+1冗余）与柴油发电机实现10 s快速启动，供电可靠性可达99.999%。智能PDU可实时监测负载并辅助动态调配；配电侧通过共模电感、压敏电阻降低谐波失真，并结合三级防雷体系提升抗雷击能力。
2.制冷系统安全管理
AI服务器对温控敏感，可采用AI算法预测负载并调节制冷量，将机柜温度稳定在 25±1 ℃；采用N+1空调冗余提升连续性。液冷效率更高但存在泄漏风险，可通过全密封机柜与传感器监测，触发后能够联动断电并启动回收装置。
3.物理环境安全管控
物理访问控制可采用多因素生物认证，结合门禁与视频分析实现精细化出入管理（可在2 s内识别徘徊、尾随等异常）。环境侧通过IoT传感器网络监测温湿度、烟雾、漏水等，通过振动传感器来实现地震预警；配套异地灾备（存储级双活），以提升灾难恢复能力。消防方面采用气体灭火系统保护电子设备，并通过防水防潮管理将机房湿度控制在合理范围。
4.供应链安全管理
硬件层面可通过区块链溯源对关键组件进行追踪，降低供应链篡改风险；软件层面采用软件成分分析（SCA）强化开源组件治理，及时修复诸如Log4j等高风险漏洞。采购环节优先选择具备认证资质的供应商，软件组件按标准评估风险，并建立应急响应机制，形成供应链安全闭环。
智能动环管理系统安全：守护数据中心的 “神经中枢”
智能动环管理系统承担电力、制冷与环境等关键设备的监测与控制，一旦遭攻击可能引发供电中断与温控失效。 它的主要风险来自4个方面：数据易被窃取或篡改；网络易受DDoS与中间人攻击，且老旧协议薄弱；系统因平台漏洞与补丁滞后易被勒索攻击；供应链可能存在恶意硬件与开源组件漏洞。针对上述风险，可采取：数据加密存储与传输、关键数据区块链存证；网络独立组网、部署防火墙并定期扫描；启用多因素认证，及时安装补丁并检查操作日志；选择合规供应商，审查开源软件，并签订安全协议。智能动环管理系统安全框架如图2所示。
图2 智能动环管理系统安全框架
在安全标准上，国际上可参考ISO/IEC 22237、ISO/IEC 27005；国内可参考GB 50174、GB 51174，并依据GB/T 35273 保障用户隐私。
安全运维与合规管理：让安全体系 “活起来”
1.智能运维体系建设
基于机器学习的监控预测系统通过分析设备日志与性能指标，可提前识别潜在故障。例如，某超算中心可提前72 h预测硬盘故障，将平均故障修复时间从 4 h缩短到 1 h。数字孪生可实时模拟设备运行与故障场景，辅助运维规划。自动化响应与编排结合RPA（机器人流程自动化）与SOAR（安全编排、自动化与响应），在遭受网络攻击时可自动清洗流量，隔离攻击源，并生成报告，将响应时间从 30 min缩短到 5 min。
运维管理方面，国际上可参考ISO/IEC 20000；国内可参考GB/T 33561，并借鉴ITIL最佳实践来优化流程。
2.合规与审计管理
在数据安全监管趋严的背景下，数据中心需实现合规运营。例如，某银行数据中心为满足欧盟的GDPR（《通用数据保护条例》）要求，投入资源建设数据脱敏系统，并建立常态化审计机制，定期开展内部与第三方审计，采用区块链存证保障审计数据可信，并形成整改闭环。
国际上可参考 COBIT 框架与ISO 37001；国内依据相关法律法规与行业审计标准，确保合规运行。
未来趋势：迈向智能免疫安全新时代
1.内生安全架构深度融合
未来的数据中心安全将更强调“硬件内生”。CPU内置安全引擎（如英特尔SGX的可信执行环境），可在操作系统受损时保护关键数据；交换机等网络设备也将集成威胁检测能力，实现对恶意流量的实时发现与拦截。后续，IEEE等组织将推动硬件集成相关安全标准，提升整体安全韧性。
2.AI攻防对抗技术升级
攻击者可利用ChatGPT等生成式AI工具自动生成攻击代码并挖掘漏洞；防御侧通过深度学习异常检测与AI驱动的自动化防御体系实现快速识别与响应。未来的攻防将更加自动化、智能化，国际上可能形成配套技术规范。
3.零信任生态全面拓展
零信任将从网络层延伸至设备、数据与人员全维度：对设备进行持续身份验证，对数据进行细粒度访问控制，对人员进行行为分析。NIST SP 800-207等标准将持续演进，推动数据中心向零信任生态转型。
结语
在AI时代，数据中心信息安全事关企业运营与社会经济安全，亟需加快构建系统性防护。核心路径是打造“技术防护+流程管控+合规保障”的立体体系：技术上推进IT与基础设施安全融合，流程上以智能运维与自动化应急提升响应能力，合规上将数据安全法等要求嵌入日常运营。行业需加强产学研协同，完善标准与实践共享。运营者应以全生命周期视角管控风险，重点强化供应链与持续监测，共建安全生态，为数字经济筑牢防线。
