公司5 月18 日发布自研安全大模型安全GPT（安全GPT），并就安全运营工作中GPT技术赋能XDR 进行多场景的现场演示，对安全GPT 带来的效率提升进行了量化对比，展示大模型对于安全产业的赋能潜力。

    　　点评：

    　　“大模型算法+威胁情报+安全知识”训练而成，完全自主可控公司自2016 年开始探索AI 技术在安全领域的应用，并在文件分析、行为检测、日志分析等十几个不同的安全技术领域应用了人工智能，精准切中用户需求。针对GPT 大模型的横空出世，公司基于自身对于威胁情报和攻防技术行业knowhow对通用大模型进行微调，使得安全GPT 模型在安全垂直领域的认知超过通用大模型，呈现出检测效果好、专业性强、个性化诊断以及迭代快速的特点。

    　　相较于传统AI 小模型而言，公司安全GPT 模型的能力更加强大，具体表现为：

    　　1）对流量和日志的安全检测效果大幅提升；2）可自动分析用户安全现状，并生成处置建议；3）可自动化调查、分析、研判，提升安全运营效率；4）支持自然语言交互，提高用户体验，降低对运营人员的专业要求。

    　　针对数据安全问题，公司安全GPT 为自主训练研发，不依赖开源模型服务，训练数据部署在深信服托管云上，可实现数据不出境。

    　　赋能XDR 三大应用场景，助力安全运营提质增效公司在发布会上演示了安全GPT 对于XDR 产品的赋能，具体从三个应用场景来看：

    　　高级威胁检测场景：根据公司基于5000 万样本的数据测试，安全GPT+XDR 可实现95.7%高级威胁检测率（传统引擎45.6%），同时误报率（安全告警里判错的比例）仅为4.3%（传统引擎21.4%）；安全监测调查场景：安全GPT 可支持通过对话式提问的方式查看数据包详细内容、解读攻击手法、追溯资产信息、查询攻击者信息等，从而实现对安全时间进行快速研判，提升安全运营效率，将传统3-6 小时的安全事件调查工作缩短至5-10 分钟；

    　　热门漏洞排查场景：借助安全GPT，用户可以通过简单对话，快速了解的漏洞数量、漏洞类型和严重程度，并关联到业务的责任人，轻松快速闭环运营工作。

    　　对标微软Security Copilot，业务提升未来可期3 月28 日，微软发布人工智能赋能的安全分析工具——Security Copilot，将OpenAI 的大语言模型GPT-4 与来自微软的安全相关模型融合在一起，为用户提供类ChatGPT 的助理功能。与公司安全GPT 类似，Security Copilot 看起来像是一个简单的对话框，可支持安全专业人士询问某个特定漏洞的概要，输入文件、网址或代码片段进行分析，或者从其他安全工具中获取事件和警报信息，其背后的支撑为微软每天收集到的65 万亿个信号，以及安全领域的专业技能。

    　　根据微软4 月25 日2023 财年Q3 电话会上的信息，现在有近72 万个组织使用Azure Active Directory（云端身份和访问管理服务），同比增长33％；有近60 万个客户拥有四个或更多的安全工作负载，同比增长35％，凸显出Security Copilot端到端的差异化优势。

    　　AI First 战略助力领跑行业

    　　公司秉持AI First 的发展战略，预期持续投入AI 大模型研发，不断完善安全GPT，力争做到领跑整个行业。我们认为伴随安全GPT 的发布，有望为公司来带多方位竞争优势加持：

    　　产品效能方面，有望使得公司产品能力领先于行业，使得用户可以无差别得获得高水平安全专家的能力，使得数字化更简单、更安全；安全业务交互方面，安全GPT 大幅简化了安全产品的使用与交互界面，有望促进更多的非安全运营人员参与到日常安全工作，提升客户对安全业务的感知；

    　　公司整体战略层面，安全GPT 数据部署在托管云上，安全与云的融合进一步加深，有望加速公司转云战略的推进。

    　　我们维持此前预测，预计公司2023-2025 年营业收入分别为89.80、114.83、141.94 亿元，归母净利润分别为5.91、11.98、15.42 亿元。参考2023 年5 月18 日收盘价，现价对应2023-2025 年PE 分别为86/42/33 倍，维持“买入”评级。

    　　风险提示：公司安全GPT 研发落地不及预期；下游客户预算复苏不及预期；公司新业务拓展不及预期；毛利率受到上游供应链影响持续波动；市场竞争加剧。