郝志強等：“四維一體”的AI安全人才培養生態系統建設

郝志強
工業和信息化部教育與考試中心主任

當前，以ChatGPT、DeepSeek等為代表的大語言模型快速普及，人工智能技術在網絡安全領域的“雙刃劍”效應日益凸顯。一方面，人工智能技術為網絡安全防護提供了智能化檢測、自動化響應、預測性防御等新型手段，通過機器學習算法能夠快速識別異常行為模式，提升威脅檢測的準確性和時效性；另一方面，在人工智能技術加持下，網絡攻擊呈現自動化程度高、變異速度快、隱蔽性強等新特征，攻擊者可利用深度學習技術生成高逼真度釣魚郵件、惡意軟件變種，甚至通過對抗性樣本繞過傳統安全防護系統。

隨著人工智能技術在網絡安全領域深度應用，AI安全人才需求激增，傳統的網絡安全人才培養模式面臨新的挑戰。目前，既精通人工智能技術原理又熟悉網絡安全策略、數據隱私保護及倫理法規的復合型人才炙手可熱，培養適應新技術發展需求的AI安全人才，具有重要意義。

我國AI安全人才培養困境分析

我國AI安全人才培養面臨的困境突出表現為高等教育供給側結構性失衡、社會化培訓市場亂象叢生、職業能力評價體系相對滯后等。三者交織疊加，嚴重制約高質量AI安全人才的有效供給。

第一，高等教育供給側結構性失衡。

我國高等教育在AI安全人才培養方面存在供給側結構性失衡的顯著問題。目前，我國高校普遍將人工智能與網絡安全作為獨立專業分別開設，二者缺乏有效的交叉融合，導致人才培養呈現“孤島效應”，即人工智能專業學生缺乏網絡安全防護思維，而網絡安全專業學生對人工智能技術原理又理解不足，難以形成復合型知識結構。

師資隊伍建設是影響教學質量的關鍵因素。部分高校缺乏具備AI安全復合型背景的師資，且專業教師缺乏實踐經驗。大多數教師要么專精于傳統網絡安全技術，要么熟悉AI算法原理，但同時掌握兩個領域專業技術的師資極其稀缺，嚴重制約了教學質量和培養效果。

課程體系建設滯后于技術發展是又一突出問題。相關調研發現，大部分高校AI安全相關課程更新周期較長，滯后于人工智能技術的快速迭代。許多課程仍停留在傳統的網絡安全威脅分析和防護層面，對人工智能技術在網絡安全中的應用缺乏深入探討，不適應培養學生實戰能力的現實需求。

第二，社會化培訓市場亂象叢生。

社會化培訓市場作為高等教育的重要補充，在AI安全人才培養中發揮著越來越重要的作用。然而，當前培訓市場存在質量參差不齊、無序競爭、監管機制不完善等問題。

在質量控制方面，培訓機構課程設置雷同，缺乏差異和特色，無法滿足不同層次、不同領域的人才需求。培訓內容多為理論知識堆砌，缺乏實戰案例和項目實踐，學員完成培訓后仍難以勝任實際工作。

在市場競爭方面，部分培訓機構為了搶奪生源，存在夸大宣傳、課程注水、就業率造假等不良競爭行為。一些機構宣稱可“速成AI安全專家”，嚴重誤導學員對專業學習的認知。此外，收費標準混亂，同類課程價格差異巨大，消費者難以判斷其培訓質量。

在監管機制方面，目前缺乏統一的培訓質量標準和監管機制，市場準入門檻不高，且缺乏有效的監督手段，無序的環境導致優質培訓機構難以健康發展、脫穎而出。

第三，職業能力評價體系相對滯后。

現有的職業能力評價體系難以適應智能時代的人才需求。評價標準過度依賴學歷、證書等靜態指標，缺乏對實踐能力、創新能力、跨領域協作能力的動態評估，傳統的筆試形式無法評估應聘者在復雜場景下的問題解決能力和應變能力。

認證體系存在碎片化問題。國內外已推出CISP（注冊信息安全專業人員）、CISSP（國際注冊信息系統安全專家）等多種信息安全領域認證，但相互之間缺乏統一標準和互認機制。不同認證機構的標準差異較大，有的偏重理論知識，有的強調實踐技能，缺乏綜合性評價體系。

實戰能力評估缺失是當前評價體系的最大短板。AI安全工作具有很強的實踐性，需要在真實環境中處理復雜的安全事件，但現有評價方式多以理論考試為主，缺乏對實際問題解決能力、團隊協作能力、持續學習能力的評估。即使一些認證引入實驗環節，也多是標準化的操作演練，與實際需求存在較大差距。

AI安全人才培養的破局路徑

針對以上問題，我們提出“理論重構—實踐強化—評價創新—生態協同”四維一體的AI安全人才培養破局路徑（如圖所示），通過四個維度的協同推進，形成人才培養的良性循環。理論重構提供標準指引，實踐強化針對能力培養，評價創新促進質量提升，生態協同實現資源優化，四者相互支撐、相互促進，構成一個完整的人才培養體系。

“理論重構—實踐強化—評價創新—生態協同”四維一體的AI安全人才培養破局路徑框架圖

理論重構——構建AI安全人才培養理論框架

理論重構是基礎，通過借鑒美國國家網絡空間安全教育計劃（NICE）經驗，建立適合中國國情的分層分類的AI安全人才培養標準體系。

基礎層包括數學基礎、計算機基礎、網絡安全基礎、AI基礎四個核心模塊。數學基礎涵蓋線性代數、概率統計等；計算機基礎包括程序設計、算法分析等；網絡安全基礎涉及密碼學、網絡協議等；AI基礎包含機器學習、深度學習等。專業層分為AI安全防護、AI系統安全、AI倫理法規三個方向。AI安全防護重點培養利用AI技術進行威脅檢測、惡意代碼識別、異常行為分析等能力；AI系統安全主要培養AI模型安全評估、對抗攻擊防護、模型隱私保護等能力；AI倫理法規著重培養AI技術合規應用、倫理風險評估、政策法規解讀等能力。應用層針對關鍵信息基礎設施、工業互聯網等應用場景，培養專業化應用能力。不同行業領域的安全需求差異較大，需要針對性地培養相應的專業技能。

實踐強化——創新校企深度融合模式

實踐強化是關鍵，通過創新校企深度融合模式，建立“雙主體”協同育人機制，高校負責理論教學和基礎研究，企業負責實踐訓練和技術轉化。通過共建專業、師資、實驗室等方式，實現教育資源的優化配置。例如，上海交通大學與螞蟻集團成立的“人工智能與安全聯合研究中心”，建有數字安全創新實驗室和智能多媒體實驗室，聯合培養人才，并通過“共建課程體系”與“聯合舉行科技賽事”模式，保證教學內容緊貼行業前沿。

實施“項目驅動”教學模式，以企業真實項目為載體，在解決實際問題中促進核心技能提升。例如，浙江大學與阿里巴巴集團成立人工智能安全聯合實驗室，將企業真實項目引入課堂；國家網絡安全人才與創新基地引入武漢大學等聯合辦學，打造黃鶴實驗室和“網絡安全靶場”開放仿真演練平臺，吸納航天科工等近200家企業入駐，年均向社會輸送萬余名高層次網絡安全人才。校企深度融合大幅提升了學生的實踐能力和就業競爭力。

評價創新——構建多元化能力評價體系

評價創新是保障，需要建立“理論+實踐”雙重評價機制，分別通過標準化考試評估基礎知識掌握情況，通過項目實戰、案例分析等評估實際應用能力。

理論評價通過分層分類考試體系評估基礎知識與專業能力。基礎層檢驗數學、計算機、安全及AI基礎；專業層考查AI安全防護、系統安全與倫理法規；應用層針對新型工業化等具體場景進行綜合測評。實踐評價則涵蓋項目實戰、案例分析、技能競賽與企業實習等，既評估問題分析與方案設計，也檢驗技術應用與應急響應能力。實施“過程＋結果”動態評價，通過檔案記錄學員成長軌跡，為個性化培養與分層認證提供數據支撐。構建“自評＋他評”綜合體系，通過學員自評促進反思，同伴互評強化協作，教師與企業評價確保專業與實戰導向。在此基礎上建立具有層次性、專業性和實踐性的AI安全人才認證體系。

生態協同——建設智能實訓平臺

生態協同是支撐，通過構建基于AI技術的智能實訓平臺，實現自適應學習和精準反饋。

智能實訓平臺具備以下功能：場景仿真功能，能夠模擬各種網絡攻防場景，為學員提供真實的訓練環境；智能導師功能，能夠根據學員的學習情況提供個性化指導和反饋；自適應學習功能，能夠根據學員的學習進度和能力水平調整學習內容和難度；協作學習功能，支持團隊協作和經驗分享。建立全國性資源共享平臺，匯聚全國優質課程資源，為不同地區、不同層次學員提供學習機會。

構建政府、高校、企業、科研院所協同創新網絡，形成多主體參與、多要素協同的人才培養生態。政府負責政策引導和標準制定，高校負責理論教學和基礎研究，企業負責實踐培養和技術轉化，科研院所負責前沿技術研發和人才培養創新。

面對人工智能深度重塑網絡安全格局的時代挑戰，構建系統化、協同化、智能化的AI安全人才培養生態系統至關重要。“理論重構—實踐強化—評價創新—生態協同”四維一體的AI安全人才培養破局路徑有效回應了當前人才供需困境，指出了一條融合標準引領、實踐驅動、多元評價與生態共建的高質量發展之路。未來，需進一步推動政產學研用深度融合，加快建立動態適配技術演進的人才培養機制，為筑牢國家網絡空間安全屏障、實現高水平科技自立自強提供堅實人才支撐。

來源：《中國網信》2026年第2期