以平台化架構回應 AI 時代的應用交付與安全挑戰
文／F5
F5 於最新發布的 FY26 Security Predictions 中指出，隨著生成式 AI 與企業級 AI 應用快速進入營運核心，企業 IT 架構正出現三大關鍵轉變：應用架構高度 API 化、部署環境全面多雲化，以及攻擊面快速擴張至 AI 模型與推論層。在此趨勢下，過去以單點工具為主的應用交付與資安模式，已難以因應 AI 時代對效能、穩定性與安全治理的整體要求。
F5 觀察到，企業面臨的關鍵不僅是導入 AI 模型，而是如何在多雲與雲地並行的環境中，確保應用服務的持續營運、資安韌性與合規能力。台灣數位發展部與金管會相繼提出 AI 應用相關原則，強調 AI 發展需具備可控性、可視性、可治理性與可持續性，要求企業清楚掌握模型使用情境、服務邊界與資料存取行為。
F5 台灣區總經理林志方表示：「這樣的政策方向，與 F5 ADSP 的設計理念不謀而合。F5 ADSP 以平台化方式整合應用交付、API 管理與資安防護，讓 AI 模型不再是孤立運作的黑箱，而是被納入既有的應用與流量治理架構中，協助企業在兼顧創新速度的同時，落實 AI 應用的安全性、穩定性與合規要求。」
ADSP：企業邁向 AI 時代的應用交付與安全基礎平台
F5 發表的 Application Delivery and Security Platform（ADSP），是業界首個在單一平台中，整合高效能負載平衡、流量管理，以及進階應用與 API 安全能力的解決方案。ADSP 的核心設計理念，在於將應用交付與安全視為同一體系，而非分離的技術堆疊，協助企業在多雲與雲地環境中建立一致且可治理的應用基礎。
混合多雲環境下 AI 的可持續性與高可用性挑戰
在多雲與雲地並行成為企業常態的環境中，AI 驅動的應用對資料吞吐量、低延遲與服務穩定性提出更高要求。然而，多數企業仍管理著原本並非為 AI 資料規模所設計的碎片化交付架構。根據 F5《2025 年應用戰略現況報告》，94% 的組織在多個環境中部署應用，顯示複雜性已成為常態。
F5 以 BIG-IP 為核心，擴展 ADSP 的應用交付能力，協助企業在異質環境中建立一致且可預測的服務基礎，其優勢包括：
- 跨雲與雲地的一致流量管理與負載平衡
- 即時健康檢測與智慧流量導向，確保關鍵服務不中斷
- 內建應用層安全機制，將可用性與安全整合考量
AI 落地後的模型與推論安全風險
當 AI 從實驗階段進入實際營運，模型服務與推論流程成為新的關鍵資產。AI 應用高度依賴 API 與即時資料交換，使其暴露於模型濫用、資料外洩、推論操控與服務阻斷等新型態風險。F5 Enterprise AI Delivery & Security 提供企業保護 AI 應用的關鍵能力，包括：
- F5 AI Guardrails建立 AI 模型服務與推論行為的可視性與異常偵測
- API 層級的存取控管與行為治理，降低模型被濫用風險
- 將 AI 安全納入既有應用交付與防護架構，而非額外孤立工具
導入 PQC，打造面向未來的資料安全架構
隨著量子運算發展，現行加密標準面臨潛在挑戰。F5 ADSP 支援混合式密碼技術與 NIST 認可的後量子耐受性加密演算法，協助企業在不需大幅調整既有架構的前提下，逐步現代化其加密機制。F5 BIG-IP 亦支援混合式金鑰協商，並為 NetApp StorageGRID 叢集提供 PQC 支援。
林志方進一步指出：「透過 F5 ADSP 平台，企業與政府機關得以在同一架構下，同時兼顧 AI 模型安全、應用交付穩定性與未來擴展彈性，為 AI 應用的規模化部署與商業變現建立可持續發展的基礎。」
