F5中国区金融事业部技术总监兼安全事业部副总经理 陈亮

随着人工智能(AI)、物联网 (IoT)等技术的日益普及,企业拥抱互联网技术的程度不断提高,越来越多的企业开始考虑利用数字化来提升劳动生产率和利用电子商务扩大经营范围。与此同时,国家先后出台了多项战略规划,全面引领、保障中国的数字化建设顺利开展。并且,疫情的新常态化也倒逼着企业加快数字化转型升级的步伐,各行各业进一步认识到企业数字化转型的现实意义。但是数字化转型并不仅仅是把业务从线下转移到线上这么简单,转型过程中会遇到很多挑战。

从负载均衡到基于云原生的,可感知、自适应的应用交付,F5一直走在应用交付的前沿。基于多年的探索和深耕,F5对2022年应用交付和安全领域的发展趋势进行了展望,为企业提供前瞻性的洞察,帮助企业在数字化转型的过程中把握机遇并规避风险。

边缘计算改变数据处理方式,安全风险不断扩大

众所周知,随着数字化的发展,数据生成的速度达到了前所未有的水平。根据国际电信联盟(ITU)的研究报告,到2020年,每个人平均每秒至少创建1.7MB的数据。数据处理正在日益靠近用户和网络边缘,边缘计算正在改变全球数百万台设备处置、处理和传输数据的方式。这些数据流可以为企业提供有价值的洞察,从而提高企业系统和流程的效率和效能。毫无疑问,边缘计算的应用将更加广泛,中国的边缘计算市场也呈现蓬勃发展之势。据IDC发布的《中国半年度边缘计算服务器市场(2021上半年)跟踪报告》显示,2021上半年,中国边缘计算服务器整体市场规模达到13.30亿美元,较2020年增长23.9%。IDC预计,2020-2025年中国边缘计算服务器市场规模年复增长率将达到22.2%,高于全球的20.2%。

尽管如此,对企业来说,边缘计算也增加了攻击面扩大的风险。在未来几年,攻击者将利用边缘的接缝对企业由于应用边缘计算而建立的大量的站点和设备、由于跨站点手动实现而在应用程序和网络安全控制中引发的漏洞,以及缺少可观测性和集中管理这几个方面发起攻击。现在正是企业直面边缘安全挑战的最佳时机,因此企业必须保证企业与站点之间的安全通信、统一安全策略执行、自动化以及跨站点观测来确保企业应用的安全性。从边缘到云端再到数据中心,统一执行具有自适应能力的控制措施将有助于解决分布式应用面临的挑战。

5G商业化加快,DevOps支撑数字化转型

近期,哈佛大学科学和国际事务中心对外发布一则报告,报告显示,未来10年,中国将在5G、半导体等几个领域全面赶超美国。5G作为国家产业政策的重点,商业化进程持续加快,用户规模快速增长,必将在应用领域发挥越来越重要的作用。在5G领域,服务提供商将利用他们在5G部署、IT资产和管理服务解决方案方面的经验来提高运营效率。在对5G基础设施和客户主导的边缘计算解决方案进行试验后,服务提供商将在资产和运营地点提供通用运营模式,整合云、安全和类似软件即服务 (SaaS) 的服务。

另外,企业各业务部门之间的合作将进一步增强。随着服务提供商基于更加敏捷和面向DevSecOps的工作流程来加速数字化转型,明年跨职能团队创建的速度将继续加快。

但在未来一年里,边缘地点可能不会增加,因为它们已经是服务提供商的既有资产,并且将会被用于融合托管服务解决方案与5G基础设施的推广。未来,企业、制造业和政府客户将更加关注基于5G的创新,借助5G技术提升运营效率。

金融领域三大趋势:开放银行、加密货币以及AI应用加速

由于数字经济在过去几年蓬勃发展,数字资产已成为人们关注的焦点。这种为数字资产创建的新金融架构将对金融服务机构产生深远影响,因为它彻底改变了这些资产的创建、转移、存储和拥有的方式。并且,这场疫情也以不可预见的方式考验了金融服务机构 (FSI) 的业务弹性。2022年,开放银行、加密货币,以及人工智能 (AI) 和机器学习(ML)在客户情报和欺诈检测方面的应用将会成为金融领域发展的三大主要趋势。

首先,开放银行将大量涌现,并持续推动金融科技生态系统的扩展。金融科技将出现爆炸式增长,并得到普及,这将不断推动金融服务民主化,增加市场机遇。借助开放银行这一举措,金融行业将站在技术革命的前沿,提高为客户服务的水平,同时也为没有银行账户和无法享受金融服务的人群提供支持。

其次,加密货币将成为银行的主流资产,并使高净值客户有能力投资加密货币。最近,加密货币领域对于欺诈行为的打压以及更为严格的行业规则,将为这种替代性的资产发展成为主流货币铺平道路。同时,随着高净值人数的持续激增,富裕经济持续蓬勃发展。高净值人群已经喜欢上了这种新的投资方式,并看到了加密货币资产的优点。随着加密资产的持续迅猛发展,银行将为客户提供进一步的投资机会。

最后,人工智能 (AI) 和机器学习(ML)在客户情报和欺诈检测方面的应用将是金融行业的应用安全发展的另一大趋势。随着加密货币和数字资产在亚洲受到热捧,企业需要加快步伐来阻挡无孔不入的金融欺诈者。由于组织的犯罪手段狡猾且适应能力强,用单一的、一刀切的分析方法来进行防御必定会失败,而人工智能和机器学习的结合将能够克服这些挑战,更快地阻止欺诈行为,并提高防欺诈团队的效率。