使用艾体宝 IOTA 10 CORE+ 监控企业网络中的 AI 流量

从识别"影子 AI"到建立网络级 AI 治理证据

ChatGPT、Claude、Google Gemini、Microsoft Copilot、DeepSeek 等 AI 服务正在快速进入企业日常工作。员工使用 AI 检索和总结资料，开发人员使用编程助手，市场团队生成内容，客服和业务部门也在采用各种 AI 生产力工具。

这些服务可以提高效率，但同时带来了新的安全、合规和数据治理问题：

企业网络中正在使用哪些 AI 平台？
哪些客户端正在访问这些平台？
使用的是批准服务，还是未经评估的"影子 AI"？
AI 流量是否异常增长或影响网络性能？
AI 相关连接发往哪些外部网络和地区？
是否存在向外部 AI 服务传输敏感数据的风险迹象？

艾体宝 IOTA 10 CORE+ 可以从网络流量层面识别和分析 AI 应用，为网络、安全及合规团队提供应用可见性、流量基线和数据包取证能力。

不过，必须先明确其定位：IOTA 10 CORE+ 是网络流量捕获与分析平台，不是 AI 内容审计、数据防泄漏或访问阻断系统。它可以证明网络中观察到了哪些通信行为，但不能仅凭加密流量直接证明用户向 AI 提交了什么具体内容。

一、为什么需要监控 AI 流量

企业通常会制定 AI 使用政策，例如：

允许使用哪些 AI 平台；
哪些数据可以提交给外部 AI；
哪些业务场景可以使用生成式 AI；
是否必须使用企业版账号；
哪些部门或终端可以访问公共 AI 服务。

真正的难点不是制定规则，而是验证实际网络活动是否与这些规则一致。

员工可能在未经过 IT、安全或合规部门评估的情况下，自行采用新的 AI 服务。这种现象通常称为"影子 AI（Shadow AI）"，是影子 IT 在人工智能领域的具体表现。

例如，员工可能出于提高效率的目的，把内部报告、客户资料、合同、代码或其他业务数据提交给外部 AI 进行总结、翻译或生成内容。即使没有恶意，这类行为仍可能违反：

企业内部数据处理规定；
行业监管要求；
客户合同；
知识产权保护要求；
数据跨境或数据驻留政策。

要管理这类风险，企业首先必须知道网络中发生了什么。

二、IOTA 10 CORE+ 产品简介

IOTA 10 CORE+ 是艾体宝 IOTA CORE 系列中的网络流量捕获与分析设备，适用于企业核心网、数据中心、互联网出口以及其他高流量监测场景。

设备将以下能力集成在同一平台中：

网络数据包捕获；
流量元数据提取；
第七层应用识别；
网络及应用流量可视化；
TCP、DNS 等网络性能分析；
条件过滤和明细查询；
CSV 数据导出；
相关流量的 PCAPNG 下载；
GPS、PPS 和 PTPv2 时间同步。

IOTA 10 CORE+ 提供：

2 个 10G SFP+ 捕获接口；
10G 捕获能力；
串联和带外捕获模式；
3 TB、15 TB 或 30 TB 可更换高性能固态存储；
1 个 10G SFP+ 管理接口；
1 个 2.5GBASE-T RJ45 管理及 PTPv2 接口；
1 个 RJ45 RS232 串行管理接口；
HTTPS 管理服务；
SSH 恢复接口；
GPS、PPS 和 PTPv2 时间同步接口；
双 24 VDC 电源输入，可通过外部 AC 电源适配器接入 100--240 VAC 电源。

设备前部的两个 10G SFP+ 接口是捕获口，管理接口位于设备后部。部署时应将捕获网络和设备管理网络分别规划。

对于 AI 流量监控，IOTA 10 CORE+ 的主要作用是：

识别当前应用库支持的 AI 服务；
统计 AI 应用的流量和使用趋势；
定位相关客户端 IP；
查看客户端与外部服务器之间的通信关系；
分析 AI 流量的网络性能；
观察通信目的 IP 的地理分布；
建立允许和未允许 AI 应用的网络使用基线；
提取相关数据包进行进一步调查。

三、IOTA 能识别哪些 AI 服务

艾体宝官方资料表示，IOTA 可以对 3,000 多种应用和协议提供应用级可见性，其中包括多种主流 AI 服务。

AI 助手和大语言模型

ChatGPT
Claude
Anthropic
Google Gemini
Google NotebookLM
Grok
OpenAI

生成式 AI 平台

Adobe Firefly
Character.AI
DeepSeek
Ideogram
RunwayML
Meta AI
Perplexity

生产力及专业 AI 工具

AIHelp
ElevenLabs
Jasper AI
Luma Labs
Medialab AI Services
Microsoft Copilot

这份清单应理解为官方文章发布时的识别示例，而不是所有 AI 服务的永久完整列表。实际支持情况可能随产品版本、应用识别库和网络协议变化而更新。

这里的"识别"是指 IOTA 根据可观察到的网络流量特征，将相关通信归类为某项应用或应用类别。它并不意味着 IOTA 能够自动读取用户在 AI 服务中输入的提示词、上传的文件内容或模型回复。

四、部署位置决定可见范围

IOTA 能否识别 AI 流量，首先取决于目标流量是否经过设备的捕获点。部署位置比仪表盘配置更加基础。

常见监测位置

可根据监测目标把 IOTA 10 CORE+ 部署在：

企业互联网出口；
防火墙内侧或外侧；
核心交换机与出口设备之间；
办公网或研发网出口；
数据中心服务器区出口；
分支机构或 SD-WAN 汇聚点；
Web 代理、SSE 或 CASB 的上下行链路。

如果目标是掌握员工对公共 AI 服务的访问情况，通常应选择能够覆盖主要用户互联网流量的位置。

如果企业流量经过代理或云安全平台，还要考虑是在代理之前捕获，还是在代理之后捕获：

代理之前更容易看到原始客户端 IP；
代理之后更容易看到代理实际访问的外部目标；
必要时可在两个位置分别获取数据并进行关联。

带外部署

带外部署可以通过以下方式向 IOTA 提供流量副本：

网络 TAP；
交换机 SPAN 或镜像端口；
网络数据包代理 NPB；
其他流量复制设备。

这种方式不会让 IOTA 直接承担生产流量转发，适合以可见性、分析和取证为主要目的的部署。

需要注意，交换机镜像可能受端口带宽、镜像方向和交换机负载影响。当镜像出口拥塞时，IOTA 收到的流量可能不完整。对于长期监控或强调取证完整性的场景，应优先评估 TAP 或经过容量规划的 NPB。

串联部署

IOTA 10 CORE+ 官方规格支持串联捕获，但由于设备会进入生产数据路径，部署前必须评估：

SFP+ 光模块及链路兼容性；
链路速率；
光纤收发方向；
单向和双向流量是否完整；
设备维护或故障对业务的影响；
链路冗余；
变更窗口和回退方案。

如果项目目标只是获取 AI 流量可见性，通常可优先考虑带外部署，以减少对生产网络的影响。

五、使用 IOTA 检测 AI 流量

第一步：验证流量覆盖范围

在分析 AI 应用前，应先打开 Network Overview，确认 IOTA 收到了目标流量。

建议检查：

捕获带宽和数据包是否持续变化；
是否能够看到目标办公或业务网段；
上下行流量是否完整；
是否能够看到互联网服务器地址；
时间范围是否覆盖用户实际使用 AI 的时段；
SPAN、TAP 或 NPB 是否存在丢包或方向配置错误。

如果目标用户的流量没有经过捕获点，仪表盘中没有 AI 应用并不能证明用户没有使用 AI。

第二步：进入 L7 Applications 仪表盘

按照艾体宝官方文章中的流程：

打开 Dashboards；
进入 L7 Applications；
选择需要分析的时间范围；
在 Traffic of Interest 中选择 Artificial Intelligence；
向下查看 Most Used Applications 表格。

L7 Applications 仪表盘会显示所选时间范围内识别到的主要应用，并允许按照应用类别聚焦 AI 相关流量。

第三步：检查具体 AI 应用

在 Most Used Applications 中，可以查看 ChatGPT、Claude、Google Gemini 等被识别到的具体应用。

建议关注：

应用名称；
总数据量；
数据包数量；
连接或会话活动；
出现时间；
流量变化趋势；
相关客户端和服务器；
应用是否位于企业批准清单中。

企业可将 AI 应用划分为：

允许；
限制使用；
禁止；
尚待评估。

这样可以把实际网络活动与企业 AI 使用政策进行比较。

第四步：查看客户端和流量明细

单击某项应用并选择 View Details，可进入带有相应过滤条件的 Data Details 页面。

在此页面中，可以进一步查看：

客户端 IP；
服务器 IP；
客户端与服务器的连接关系；
端口和协议；
流量规模；
通信时间；
其他可用的网络元数据。

需要注意，IOTA 首先定位的是客户端 IP，而不是自然人身份。要确认具体用户或资产，通常还需要关联：

DHCP 租约；
802.1X 或 NAC 认证记录；
无线控制器日志；
VPN 登录记录；
Active Directory 或身份平台日志；
EDR 或终端管理平台；
代理、防火墙或 SIEM 数据。

因此，更准确的表述是："IOTA 能帮助识别哪个客户端 IP 正在使用某项 AI 服务"，而不是直接断言"哪个员工正在使用"。

第五步：分析 AI 流量的通信目的地

在保持 AI 应用过滤条件的情况下，可以结合 Global Traffic Overview 和 Data Details 查看：

目的服务器 IP；
目的国家或地区；
客户端与外部服务器之间的通信关系；
是否存在异常或未经预期的外部目标。

这有助于企业发现需要进一步核查的网络路径，但结果必须谨慎解释。

IP 地理位置只代表相关地址的数据库归属。由于 AI 服务普遍使用 CDN、Anycast、全球负载均衡和分布式云基础设施，目的 IP 所在地区不一定等同于：

数据最终存储位置；
模型实际运行位置；
AI 提供商注册地；
数据处理适用的司法辖区。

因此，网络地理信息可以提供合规调查线索，但不能代替供应商的数据处理协议、合规声明和法律评估。

第六步：评估网络性能影响

可以结合以下仪表盘分析 AI 流量对网络的影响：

Network Overview：带宽和数据包趋势；
L7 Applications：AI 应用流量占比；
TCP Traffic Analysis：往返时间、时延和重传；
DNS Analysis：DNS 请求及响应时间；
Data Details：特定应用、客户端和服务器的流量明细。

重点关注：

AI 流量是否突然增长；
是否占用关键出口带宽；
是否出现高时延或大量重传；
是否集中来自异常网段；
是否在非工作时间出现；
是否有新的 AI 应用首次出现。

这些现象可以作为调查触发条件，但不能仅凭单个异常指标认定存在违规行为。

第七步：下载相关 PCAPNG

IOTA 支持根据时间范围和过滤条件下载相关 PCAPNG。管理员可以使用以下条件缩小调查范围：

AI 应用；
客户端 IP；
服务器 IP；
时间范围；
协议；
国家或地区；
其他可用参数。

下载后可使用 Wireshark 或其他分析工具进行进一步调查。

需要注意，大多数 AI 服务使用 TLS 或 QUIC 加密。PCAP 通常能够提供连接地址、端口、数据量、时序和部分协议元数据；域名、TLS 握手信息或其他字段是否可见，则取决于：

协议版本；
DNS 是否加密；
是否使用 QUIC；
是否启用 ECH 等加密增强技术；
流量是否经过代理或 VPN；
捕获点位于通信路径的哪个位置。

在没有合法解密条件的情况下，通常不能直接从 PCAP 中读取用户的提示词、上传文件或 AI 返回内容。

六、建立 AI 流量基线

单次检测只能回答某个时间段内观察到了什么。持续监控才能帮助企业识别变化。

建议选择具有代表性的观察周期，并建立以下基线：

已批准的 AI 应用；
实际出现的 AI 应用；
常见客户端网段；
正常访问时间；
日均或周均流量；
常见目的网络和地区；
客户端数量；
应用首次和最后出现时间；
常见流量峰值；
TCP 和 DNS 性能表现。

基线建立后，可以重点调查：

新 AI 应用突然出现；
未批准平台被访问；
某项 AI 应用流量异常增长；
某个客户端产生异常大的上行流量；
敏感业务网段访问公共 AI；
非工作时间出现大量 AI 通信；
AI 流量来自异常地点或网段；
同一客户端短时间访问多个未经批准的服务；
与外部服务器出现异常通信模式。

这些偏差可能对应政策违规、影子 AI 或安全风险，也可能是正常业务变化，需要结合上下文进一步验证。

七、IOTA 在 AI 治理体系中的位置

IOTA 负责提供网络可见性和调查证据，但企业仍需要其他系统执行访问限制和内容控制。

一个较完整的 AI 治理闭环可以包括：

制定允许、限制和禁止使用的 AI 服务清单；
使用 IOTA 建立实际网络使用基线；
比较政策清单与观察到的应用活动；
找出未经批准的 AI 服务；
将客户端 IP 与用户或资产进行关联；
对异常活动查看明细或下载 PCAP；
由安全、合规和数据治理团队判断风险；
使用防火墙、SWG、CASB、SSE、DNS 安全、DLP 或终端控制系统执行策略；
继续使用 IOTA 验证策略实施后的网络变化。

在这个体系中：

IOTA 负责看见、分析和提供证据；
身份和终端系统负责关联用户及资产；
DLP 和内容安全系统负责识别敏感数据；
防火墙、代理、CASB、SSE 等系统负责允许、限制或阻断。

八、IOTA 10 CORE+ 的能力边界

IOTA 可以做什么

在流量经过正确捕获点且应用能够被识别的前提下，IOTA 可以：

识别当前应用库支持的 AI 服务；
按 Artificial Intelligence 类别筛选应用；
展示 AI 应用的流量和时间趋势；
定位相关客户端 IP；
查看服务器 IP 和通信关系；
分析 AI 流量的网络性能；
观察目的 IP 的地理分布；
建立 AI 使用基线；
发现新应用和异常流量变化；
导出分析数据；
下载相关 PCAPNG；
为安全调查和政策验证提供网络证据。

IOTA 不能单独完成什么

不能保证识别所有 AI 服务

应用识别依赖当前支持的应用和协议特征。以下场景可能只被识别为通用流量，或无法准确归类为特定 AI 服务：

新出现的平台；
企业内部部署的模型；
私有 AI 服务；
自定义域名；
第三方 API 网关；
将 AI 嵌入其他 SaaS 的功能；
经过代理、VPN 或复杂隧道的流量；
应用协议或基础设施发生变化。

识别库覆盖 3,000 多种应用和协议，并不等于覆盖互联网上所有 AI 服务。

不能仅凭加密流量读取 AI 内容

没有适当解密条件时，IOTA 通常不能直接读取：

用户提示词；
上传文件内容；
模型回复；
API 请求中的业务数据；
AI 账号中的操作记录。

识别到某客户端访问 ChatGPT，不等于能够知道该客户端向 ChatGPT 提交了什么。

不能单独证明发生了数据泄露

大量上行流量、未经批准的 AI 连接或异常通信模式可以构成风险线索，但不是数据泄露的最终证据。

要确认是否传输了敏感内容，通常还需要结合：

终端 DLP；
CASB 或 SSE；
安全 Web 网关；
浏览器或 SaaS 审计日志；
AI 企业账号审计记录；
EDR；
身份日志；
合法合规的 TLS 解密；
数据分类和事件调查流程。

不能自动把 IP 等同于人员

动态 DHCP、NAT、代理、VDI、VPN、共享终端和无线漫游都会影响 IP 与用户之间的对应关系。用户身份必须通过其他系统进行关联。

看不到未经过捕获点的流量

如果用户通过移动热点、其他互联网出口、未镜像 VLAN、分支本地出口、独立 VPN 或未覆盖的云环境访问 AI，IOTA 就无法完整观察这些活动。

因此，"没有检测到 AI"只能表示：

在当前捕获点、时间范围、过滤条件和应用识别能力下，没有观察到相应流量。

它不能证明整个企业完全没有使用 AI。

VPN、代理和隧道可能降低可见性

经过 VPN、代理、远程桌面或加密隧道后，IOTA 看到的客户端、服务器或应用可能发生变化。捕获点选择不当时，设备可能只看到隧道或代理通信，而不是原始终端与 AI 服务之间的关系。

地理位置不等于数据驻留位置

IP 地址的地理归属不能单独证明数据在哪里处理、存储或接受法律管辖。合规判断仍需参考 AI 提供商的合同和数据处理文件。

IOTA 不是访问阻断或内容控制系统

IOTA 的核心能力是捕获、识别、分析和取证。它不能替代：

下一代防火墙；
安全 Web 网关；
CASB 或 SSE；
DNS 过滤；
DLP；
EDR；
身份和访问控制；
AI 平台自身的企业管理控制台。

存储容量不等于固定保留时间

数据保留时间取决于：

实际捕获速率；
是否进行全包捕获；
数据包大小；
捕获过滤条件；
流量峰值；
元数据及系统开销；
存储使用情况；
数据保留策略。

理论上，持续 10 Gbit/s 的原始数据量约为每天 108 TB。因此，不能只根据 3 TB、15 TB 或 30 TB 的标称容量推断固定保留天数。实际项目应依据真实流量和调查窗口进行容量测试，并通过过滤或按需捕获控制数据规模。这个数字只是理论容量换算，不是厂商对持续写入性能或保留时间的承诺。

复制代码

##### 应用识别结果需要交叉验证

重大安全或合规结论不应只依据一个应用标签。应结合：

DNS 信息；
IP 和端口；
流量方向与规模；
客户端身份；
终端日志；
代理和防火墙日志；
AI 平台审计记录；
其他安全系统数据。

九、结论

IOTA 10 CORE+ 的价值不是直接判断一次 AI 使用是否合规，而是为企业提供关于 AI 网络活动的客观证据。

它可以帮助企业回答：

哪些已知 AI 服务出现在网络中？
哪些客户端 IP 正在访问这些服务？
AI 流量在什么时间出现？
流量规模及网络性能影响如何？
通信目标位于哪些外部网络或地区？
是否出现未经批准的应用或异常变化？

这些结果需要在明确的边界内解读：

识别到 AI 服务，不代表看到了用户提交的内容；
发现大量上传，不代表已经证明数据泄露；
客户端 IP 不一定直接对应具体人员；
目的 IP 的地理位置不等于数据存储位置；
没有检测到 AI，不代表整个企业不存在 AI 使用；
IOTA 提供可见性和证据，实际阻断和内容控制需要其他安全系统。

因此，更准确的产品定位是：

以 IOTA 10 CORE+ 作为企业 AI 治理体系中的网络可见性、流量分析和数据包取证基础，再结合身份、终端、DLP、代理、防火墙、CASB/SSE 及 AI 平台审计能力，形成从发现、关联、调查到策略执行和效果验证的完整闭环。