--- title: "Cato Networks AI 常见问题解答" slug: "cato-networks-ai-faq" updated: 2026-07-30T03:37:32Z published: 2026-07-30T03:37:32Z canonical: "knowledge.catonetworks.com/cato-networks-ai-faq" --- > ## Documentation Index > Fetch the complete documentation index at: https://knowledge.catonetworks.com/llms.txt > Use this file to discover all available pages before exploring further. # Cato Networks AI 常见问题解答 在 Cato Networks,我们致力于确保人工智能 (AI) 在我们的 SASE 平台和支持服务中负责任、安全和透明地开发和部署。 这些常见问题解答涉及 Cato 如何设计、治理和管理其 AI 驱动功能(“AI 功能”),反映我们对隐私设计、安全设计和负责任创新原则的坚持。 ## 负责任的 AI 治理 ### Cato Networks 是否有负责任的 AI 政策? 是。 Cato Networks 的 **负责任的 AI 政策** 管理我们平台内 AI 技术的设计、开发和使用。 我们的框架基于五个核心原则: - **透明性** – 当使用 AI 时,客户会被告知。 - **问责制** – 在应用 AI 驱动的洞察之前需要人工监督。 - **公平性** – AI 输出会持续测试以减少偏差。 - **隐私和安全** – AI 系统设计体现隐私设计,并由强大的安全控制保护。 - **合规性** – AI 开发与全球监管框架对齐,包括 **欧盟 AI 法案** 和 **GDPR**。 ## 数据和模型训练 ### Cato 是否使用客户数据来训练其 AI 模型? 不会。 Cato **不使用客户个人数据** 来训练或重新训练其 AI 模型。 我们的 AI 功能使用 **聚合匿名网络遥测** 和其他**非个人操作数据** 进行训练,能够进行预测和行为分析而无需处理可识别客户信息。 ### Cato 如何确保数据质量和模型可靠性? Cato 对所有 AI 模型进行 **基准测试和持续监控**。 性能、准确性和潜在漂移会定期评估,以确保模型在预期参数内可靠地运行。 反馈循环和再训练是在受控治理条件下执行,确保质量、安全和合规性。 ## 透明度和客户控制 ### 哪些功能包括 AI 功能? Cato 在三个不同层面使用 AI: - **上下文丰富** – 使 Cato 的平台能够实时检测、分析和响应威胁,直接在流量流中进行。 通过利用 AI 驱动的分析、持续检查和上下文丰富,Cato 提供内联和带外可见性和控制。 该平台使用 AI 来识别新兴威胁和可疑活动,分类设备和资产,并分类目的地,使其能够自动阻止恶意行为,执行安全策略并在发生时通过精准和速度减轻风险。 - **洞察力** – Cato Copilot 使用 AI 提供关于网络性能、安全威胁和策略有效性方面的可操作洞察,能够智能化地进行数据驱动优化,识别异常,并提供网络和体验预测。 - **会话式** – 一个智能助手,使客户工作更快、更高效。 它利用 Cato 知识库、Cato 公共 API 和每位客户的独特数据、事件和网络配置。 它提供对自定义问题的精确答案,自动化故障排除,并交付可操作的洞察。 然而,它始终需要人工干预和确认,不允许独立进行变更。 ### 客户是否会在使用 AI 时知晓? 是。 Cato 在生成 AI 驱动的结果、警报或建议时提供 **清晰的指示和文档**。 在适用的情况下,产品文档和界面元素会披露 AI 功能的使用。 ## 第三方 AI 服务 ### Cato 是否使用第三方 AI 提供商? 是。 在有限的情况下,Cato 集成可信的第三方 AI 基础设施或推理服务以提高性能或分析功能。 所有此类提供商均需接受 **Cato 的供应商风险评估**,并须符合严格的 **安全、隐私和合规** 要求。 ## 安全和恢复能力 ### Cato 如何保护其 AI 系统和基础设施? Cato 将相同的 **多层安全控制** 应用于我们的全球 SASE 基础设施上以保护我们的 AI 系统,包括: - 访问控制和强认证 - 传输和静态数据加密 - 持续监控和异常检测 - 网络分段和隔离 - 安全事件管理和审计日志 所有 AI 环境均在 Cato 的 **安全云原生架构中** 运行,确保恢复能力、可用性以及符合国际安全标准。 ### 如果出现影响 AI 系统的事件会发生什么? Cato 的 **事件响应计划** 包括检测、遏制、修复和事件后审查程序。 所有事件均在公司的 **信息安全事件管理计划** 下进行管理,确保问责、透明度和适用时客户的及时通知。 ## 伦理和监管一致性 ### Cato 如何解决偏见、幻觉或伦理问题? Cato 集成了 **保护措施** 和 **检索增强生成 (RAG)** 机制,以确保 AI 输出保持事实性、相关性,并与 Cato 的操作数据保持一致性。 定期审核、测试和人工验证减少不准确或偏见的风险。 Cato 不会在没有人工验证的情况下修改配置或对系统进行变更。 ### Cato 是否遵守欧盟 AI 法案? Cato Networks 的产品和服务不属于欧盟 AI 法案中定义的高风险 AI 系统,也不构成该法案下禁止的任何 AI 实践。 在 Cato Networks 包含可能与个人互动的任何 AI 功能的情况下,它完全遵守法案下的透明度要求。 ## 数据生命周期管理 ### Cato 在 AI 系统的数据保留和备份方面有哪些做法? - **备份:** 根据 Cato 的备份和灾难恢复政策进行维护。 - **保留:** 与 AI 功能相关的数据根据客户的 DPA 和 Cato 的内部数据治理政策进行保留。 ### 谁拥有 AI 生成的输出? 客户保留与他们使用 Cato 服务相关的数据和 AI 生成输出的 **完整所有权和版权** 。 Cato 及其提供商不主张对客户数据、结果或衍生洞察的权利。 ## AI 素养和持续改进 ### Cato 如何促进 AI 素养? Cato 在工程、产品和合规团队间持续投资 AI 教育和培训。 我们的 **AI 素养计划** 确保员工了解负责任的 AI 开发、伦理标准和新兴法律义务。 ### Cato 采取哪些治理和控制措施确保其系统中 AI 的负责任和安全使用? 1. **政策** – 明确的治理政策定义了允许的 AI 使用、数据处理和工作流程审批。 2. **技术措施**– 自动控制,例如访问限制、数据匿名化和活动监控。 3. **过程措施**– 强制性人类审查、风险评估和审计日志记录,对可能影响客户数据或服务可靠性的任何 AI 功能或过程。