作者：来自 Elastic James Spiteri, Dhrumil Patel

当今公共部门组织利用生成式人工智能解决安全挑战的一种方式。

凭借其筛选大量数据以发现异常模式的能力，生成式人工智能现在在帮助团队保护其组织免受网络威胁方面发挥着关键作用。 它还可以帮助安全专业人员提高技能并弥补知识差距。 通过处理复杂的数据分析并将原始数据转化为有用的见解，生成式人工智能使团队能够专注于规划他们的响应，而不仅仅是管理数据。

Elastic AI Assistant 集成到 Elastic Security 中，可以快速识别、分析和响应潜在威胁，减少误报的可能性。 它与各种被称为大语言模型 (LLM) 的先进人工智能系统配合良好，例如 OpenAI 的 GPT 模型、亚马逊的 Bedrock 以及其他旨在理解和生成类人文本的系统。

这意味着组织可以选择一种或多种最能满足其网络安全需求的人工智能模型。 对于在高度监管或气隙环境（计算机与不安全网络隔离以防止未经授权的访问的设置）中运营的组织来说，Elastic AI Assistant 通过与本地托管模型集成来提供安全可靠的选项。

增强数据隐私和安全

部署本地托管模型的最大优点是大大提高了数据隐私和安全性。 对于在隔离环境、受监管行业或敏感信息（其中数据保密至关重要）中运营的组织来说，此方法尤其重要。 本地托管模型可确保敏感数据不会离开组织边界，因此你的数据永远不会用于 AI 训练，从而显着降低数据泄露的风险，并确保遵守 GDPR 和 HIPAA 等严格的数据保护法规。

减少威胁检测的延迟

通过在更接近收集和存储位置的地方处理数据，本地托管模型可以减少检测和响应威胁的延迟。 它们近实时分析数据的能力意味着安全团队可以快速识别和修复威胁，这对于最大限度地减少安全事件的潜在影响至关重要。

运营效益

使用本地托管模型不仅可以增强安全性和合规性，还可以带来显着的运营优势。 主要优点之一是它提供对模型维护和更新的控制。 组织可以更新其日程安排，确保对其运营的干扰降至最低。 此外，从长远来看，本地托管模型的成本更低，并减少对连续云服务的依赖，而连续云服务有时会有所不同。

使用本地托管模型有很多好处，但认识到一些潜在的挑战也很重要。 设置和维护本地托管模型需要更多的基础设施以及对硬件和训练有素的员工的更高初始投资。 需要专业人员来管理和排除系统故障可能会增加运营开销，因此仔细权衡这些因素非常重要。

在现代威胁环境中保护你的组织

随着数字威胁的发展，将 Elastic AI Assistant 等高级工具纳入你的网络安全工具包变得越来越重要。 Elastic AI Assistant 灵活的框架让用户可以轻松适应快速变化的人工智能发展，通过集成针对特定领域或行业量身定制的专门人工智能模型，提高其应用效率。

使用本地托管的人工智能模型不仅可以增强数据安全性和对严格法规的合规性，还可以减少威胁检测的延迟，帮助你的安全团队快速有效地采取行动。 你将更好地控制数据，优化运营成本，并更好地应对现代威胁的复杂性。

本文中描述的任何特性或功能的发布和时间安排均由 Elastic 自行决定。 当前不可用的任何特性或功能可能无法按时交付或根本无法交付。

在这篇博文中，我们可能使用或引用了第三方生成人工智能工具，这些工具由其各自所有者拥有和运营。 Elastic 对第三方工具没有任何控制权，我们对其内容、操作或使用不承担任何责任，也不对你使用此类工具可能产生的任何损失或损害负责。 使用人工智能工具处理个人、敏感或机密信息时请务必谨慎。 你提交的任何数据都可能用于人工智能培训或其他目的。 无法保证你提供的信息将得到安全或保密。 在使用之前，你应该熟悉任何生成式人工智能工具的隐私惯例和使用条款。

Elastic、Elasticsearch、ESRE、Elasticsearch Relevance Engine 和相关标志是 Elasticsearch N.V. 的商标、徽标或注册商标。 在美国和其他国家。 所有其他公司和产品名称均为其各自所有者的商标、徽标或注册商标。

原文：The benefits of utilizing locally hosted models with Elastic AI Assistant | Elastic Blog