Cylus.ai 铁路网络安全引入 AI Agent，但仍由运营方掌控

Cylus 于 9 月 16 日推出 Cylus.ai 铁路网络安全产品，在引入智能体分析的同时，仍要求关键操作必须经过人工批准。该产品作出了明确承诺：帮助规模较小的安全团队理解铁路运营技术，而不取代其现有工具或运营决策权。

这项发布的意义不止于又一家网络安全供应商增加了对话式助手。Cylus.ai 旨在调查告警、汇集证据、映射合规控制措施，并在安全敏感的铁路环境中起草响应方案。这使该系统处于安全数据与决策之间，而这些决策会影响信号系统、车站、车载网络和维护访问。

Cylus 还任命三位前交通领域领导者加入其顾问委员会。Nuria Fernández 曾领导美国联邦公共交通管理局。Josef Doppelbauer 曾任欧盟铁路局局长，而 Mario Péloquin 最近则担任 VIA Rail Canada 负责人。他们的加入为此次发布增添了监管和运营层面的可信度，但并不能验证产品的实际表现。

因此，核心竞争并非 Cylus 与另一家具名供应商之间的较量，而是具备铁路专属智能的智能体系统，与缺乏运营语境的通用安全自动化之间的竞争。Cylus 表示其系统能够弥合这一差距。铁路运营商如今必须判断，其建议在真实运营压力下是否准确、可解释且安全。

Cylus.ai 铁路网络安全位于现有安全工具之上

Cylus 销售的是一层智能能力，而非替代性的安全技术栈。

Cylus 在柏林 InnoTrans 2026 上推出该平台，并展示了其成熟的铁路安全产品 CylusOne。根据该公司的发布公告，Cylus.ai 在运营商已使用的工具之上运行。

这一架构选择至关重要。铁路网络往往混合使用现代安全产品、老旧控制器、专用协议、长期服役的信号设备，以及由多家供应商维护的系统。以一个统一平台替换这种环境，将既昂贵、缓慢，也会带来运营风险。

Cylus.ai 则连接安全信息与事件管理系统、端点检测产品、防火墙、身份系统、资产清单和工单平台。它还可以查询运营技术监控工具。运营技术，即 OT，包含用于监控或控制铁路实体流程的硬件和软件。

该公司将 CylusOne 定位为最深层的集成点。CylusOne 提供网络可见性和威胁信息，而新智能体则解读这些观察结果并推荐响应措施。这推动 Cylus 从识别可疑活动，走向影响运营商下一步采取何种行动。

其宣传中的虚拟安全运营中心分析师可以调查车载、轨旁和车站网络中的告警。Cylus 表示，智能体会在给出结论前收集资产语境、协议基线、维护计划、端点检测结果和相关防火墙会话。

这种差异直指通用告警自动化长期存在的弱点。远程桌面连接在一种情况下可能是常规维护，在另一种情况下则可能是可疑的横向移动。其含义取决于资产、运行状态、已批准的工作、线路配置和周边事件。

该平台公开的演示描述了这样一个场景：在进路仍处于锁定状态时，向轨旁联锁系统发出异常命令。联锁系统是一种防止列车发生冲突运行的安全系统。随后，该示例将该命令与涉及异常远程桌面活动的端点告警关联起来。

Cylus.ai 会汇集证据并起草工单，而不是立即更改生产环境。该公司表示，包括防火墙、端点、工单或配置变更在内的关键操作，必须由人员批准。

第二个智能体面向治理、风险与合规工作。它将 IEC 62443、欧洲 NIS2 要求和美国运输安全管理局指令中的控制措施映射到运营商环境中。它可以标记缺失的证据，并准备附带责任人的整改事项。

另一项宣传中的角色是评估铁路架构。该智能体可以审查基于通信的列车控制、积极列车控制和欧洲铁路交通管理系统设计。它还可以检查分段模型，并识别绕过预期安全边界的网络路径。

这些能力仍属于公司声明。Cylus 尚未公布新平台的独立准确性测量、客户成果、基准比较或故障率。此次发布确立的是产品的预期设计，而非其运营有效性。

不过，这种叠加模式为运营商提供了务实的起点。它让运营商无需立即舍弃已信赖的监控、身份和响应产品，便可评估智能体分析能力。这既降低了采用阻力，也保留了现有证据来源。

更大的变化在于理念层面。传统铁路监控会询问是否发生了异常情况。Cylus.ai 的设计目标则是追问为何发生、哪些其他证据具有意义，以及应准备何种响应。这意味着责任范围显著扩大，即使最终决定仍由人作出。

互联铁路系统已超出通用告警分流能力的范围

压力来自不断扩张的连接性，与稀缺的铁路专属安全专业知识之间的不匹配。

铁路运营商正不断增加数字化乘客服务、远程诊断、互联机车车辆、预测性维护和集中式交通管理能力。这些系统可以提升可靠性，但每一项连接都会形成防御人员必须理解的新依赖关系。

由此形成的环境，并非只是设置在铁路轨道旁的企业网络。它还包含可用性和可预测行为会影响安全的系统。激进的遏制措施可能中断维护、导致可见性丧失，或使设备进入受限运行状态。

攻击者并不需要直接操控列车控制系统就能造成损害。入侵管理系统、供应商访问、乘客信息、调度或维护运营，都可能扰乱服务并消耗稀缺的响应资源。因此，防御人员必须将网络证据与运营后果联系起来。

Cylus 正是在这里看到了智能体 AI 的机会。智能体系统能够通过多个步骤推进一项既定任务，在生成答案前自行选择查询哪些工具或信息源。这不同于仅对单一提示作出回应的基础聊天机器人。

该公司认为，攻击者已经在利用 AI 提升行动速度。不过，它尚未公布证据证明，采用 AI 的对手针对铁路目标的速度究竟提高了多少。更有依据的压力点，是安全团队面对的证据数量与复杂性。

监管预期也正变得更加具体。美国国家标准与技术研究院于 2026 年 8 月 5 日发布最终版公共交通安全概况。该概况帮助美国公共交通机构在公交、通勤铁路、地铁和相关环境中确定网络安全成果的优先级。

NIST 将该概况设计为对现有项目的补充，而不是替代。这一原则与 Cylus 的产品战略十分相似。两者都认识到，运营商已在既有流程、法规和技术约束下开展工作。

欧洲运营商同样面临加强治理的要求。欧盟网络安全局将铁路承运商和基础设施管理者列为 NIS2 下的关键实体。其交通行业指导将不断上升的网络暴露风险，与全行业 IT 和 OT 融合联系起来。

合规并不能消除解释问题。控制框架可以规定期望的成果，但运营商仍须确定哪些资产受到影响、哪些证据可满足审计人员要求，以及哪项整改行动是安全的。

Cylus.ai 试图自动化其中部分转换工作。据称，其虚拟合规功能可将要求与实际资产、配置、日志和政策关联起来。若其准确无误，便可能减少人工收集证据的工作，并暴露那些仅存在于纸面上的控制措施。

安全团队仍需测试这些映射。标准中的术语可能需要本地化解释，而各国、各运营商和不同代际设备的铁路架构也各不相同。一项 AI 生成的控制评估，不能仅因引用了正确框架就具备权威性。

通用安全副驾驶同样面临这一语境问题。它们可以总结告警或建议常见响应措施，但铁路环境会惩罚任何假设。看似过时的网络连接，可能支持一项与经过认证的设备和有限运营窗口相关的维护程序。

因此，商业机会取决于领域深度。Cylus 押注于对信号系统、机车车辆、铁路协议、监管义务和维护实践的了解，将比接入通用大型语言模型更具价值。

这一战略迫使广泛覆盖的安全平台深化其工业领域知识，也迫使传统铁路安全供应商增加推理和工作流自动化能力。一旦智能体能够收集证据并准备可辩护的响应方案，买方对产品的期待将不再止于仪表板。

不过，部署速度仍将取决于信任。运营商会希望知道智能体从何处获得每一项事实、为何选择某项建议，以及忽略了什么。在铁路领域，没有可追溯证据支撑的看似合理答案并不足够。

铁路专属语境才是产品真正的考验

只有当领域语境能够持续改善决策、超越现有自动化能力时，Cylus.ai 才能成功。

该公司公开的产品资料描述了四个核心组成部分：铁路 OT 知识、推理引擎、持久记忆和智能体工作流。它们共同使系统能够反复查询已连接的工具，而非给出一步到位的摘要。

以涉及信号资产的异常命令为例。传统系统可能因该命令偏离基线而将其标记。理论上，具备铁路认知能力的智能体可在判断该事件前，检查进路状态、维护计划、资产角色、授权用户、端点活动和防火墙会话。

这一过程类似于经验丰富的分析师所做的工作。区别在于速度和一致性。智能体可以针对每一项告警检索同类证据，记录其步骤，并为人工审查准备标准化记录。

该方法还承诺保留机构知识。经验丰富的铁路安全专业人员了解哪些告警通常会在维护后出现、哪些连接属于异常情况，以及哪些变更需要运营审批。将这些知识编码化，或许能帮助规模较小的团队做出更一致的决策。

持久记忆既带来价值，也引入风险。能够记住过往调查的智能体可以识别反复出现的维护行为，避免重复基础工作。它也可能保留错误假设，并将其应用于后续事件。

运营方需要严格控制哪些内容可以进入这类记忆、保存多久，以及谁有权纠正其中的内容。他们还必须区分已验证的运营事实、分析师笔记和模型生成的结论。

Cylus 表示，其系统会展示推理过程、来源和工具调用记录。它还表示，每一项操作都会进入审计日志。这些功能至关重要，因为一项安全建议日后可能面临运营、监管或法律审查。

不过，展示中间推理过程并不能保证其正确性。一份看似完善的解释，仍可能依赖不完整的日志、过时的拓扑，或错误的资产分类。买方应评估所引用的证据是否支持结论，而非只看叙述是否听起来令人信服。

集成质量将决定这种评估的结果。产品必须从安全和运营系统获取准确信息，同时不能创建有风险的新访问路径。读取权限、服务身份、网络边界和数据同步都会影响结果。

最有力的初始应用场景很可能是以读取为主且可逆的工作。告警调查、证据收集、控制映射、采购审查和创建工单草稿，都能节省时间，同时不赋予智能体对生产系统的直接控制权。

架构审查则是另一个合理的切入点。Cylus 表示，该智能体可以检查防火墙规则，并识别绕过企业 IT 与信号区域之间隔离措施的路径。随后，人类架构师可以确认这些路径是否必要、是否已记录，以及是否受到充分保护。

影响更重大的环节涉及拟议的响应操作。在该公司的示例中，Cylus.ai 建议禁用一项远程访问防火墙策略，并隔离一台终端设备。这两项操作都可能影响维护访问，因此界面会在请求批准前显示预测后果。

这种设计优于静默自动化，但审查该提案的人需要有足够的时间和专业知识来提出质疑。当一名疲惫的分析师只是接受一项看似信心十足的建议时，人工审批就会沦为一种仪式。

良好的实施应当让异议易于提出。系统应突出显示缺失的数据、相互竞争的解释、置信度限制，以及不采取行动的后果。它还应区分紧急遏制建议和风险较低的行政任务。

Cylus 表示，客户数据不会被用于训练模型。它还宣称具备传输中和静态加密、单点登录、基于角色的访问控制以及最小权限设计。鉴于该平台能够访问敏感的网络和运营环境信息，独立保障将十分重要。

买方应询问模型处理在何处进行、哪些子处理商会接收数据，以及部署是否能够隔离敏感信息。他们还应审查数据保留政策、事件响应承诺，以及防止恶意内容进入智能体上下文的控制措施。

提示注入尤其值得关注。智能体可能在文档、工单、日志字段或已连接的知识源中遇到隐藏的恶意指令。安全的设计必须将检索到的内容视为证据，而非权威指令。

因此，该产品的差异化不仅取决于铁路领域术语。它必须结合准确的上下文、严谨的权限管理、可靠的集成，以及能够经受专家审查的证据。缺少这些品质，领域层就会变成一个昂贵的界面，覆盖在常见自动化之上。

三位交通运输领域领袖为 Cylus 带来更广阔的运营视角

这些顾问任命将产品与美国公共交通政策、欧洲铁路监管以及客运铁路运营联系起来。

根据公司的公告，Nuria Fernández 拥有超过 35 年的交通运输经验。她曾担任美国联邦运输管理局局长，该机构负责监管支持公共交通的联邦项目。

她早期曾担任圣克拉拉谷交通局总经理兼首席执行官。她还曾在纽约大都会运输署、芝加哥交通局和华盛顿都会区交通局担任高级职位。

这一背景让 Cylus 能够获得运营方和政策制定者的视角。公共机构不会仅根据检测性能采用安全技术。它们还会考虑采购规则、员工能力、联邦要求、无障碍性、服务连续性和公共问责。

Fernández 在发布声明中聚焦于乘客看不到的系统。她认为，安全性和可靠性日益依赖暴露面更大的互联系统。这一表述将网络安全决策与服务交付相联系，而不是将其视为孤立的技术工作。

Josef Doppelbauer 则带来了不同的视角。他曾担任欧盟铁路局执行局长，其职责涵盖车辆授权、安全认证和欧洲列车控制审批。

他还在铁路技术领域工作了超过 35 年，其中包括涉及信号和控制指挥系统的工作。他早期曾担任 Bombardier Transportation 首席技术官，并在欧洲铁路研究计划中担任领导职务。

Doppelbauer 的经验之所以重要，是因为欧洲铁路同时涉及跨境互操作性、国家层面的实施、安全认证和日益增加的网络安全义务。面向该市场的产品必须同时适应技术标准和机构流程。

他的声明强调了欧洲行业内的协作。这提醒人们，不应将合规视为静态的核对清单。铁路网络安全决策与供应商、基础设施管理方、运营方、国家主管机构和标准机构相互交织。

Mario Péloquin 则带来了客运铁路和项目交付视角。他曾担任 VIA Rail Canada 总裁兼首席执行官，此前曾在 Siemens Mobility、Thales、AECOM 和纽约 MTA 担任高级职位。

公司称他拥有近 40 年的交通运输经验。他的工作涵盖安全、运营、基础设施交付和技术供应商，所有这些因素都会影响一个新的安全平台能否通过采购并成功部署。

Péloquin 在声明中指出，现代化既带来收益，也带来暴露面。每一项新的连接都可以改善服务，但也需要受到保护。他认为，运营方不可能一夜之间成为网络安全专家。

这些董事会新增成员强化了 Cylus 的领域优先叙事。他们为公司带来了理解铁路组织如何制定预算、进行监管、认证和运营技术的顾问。如果他们的意见能传达到工程和部署团队，这将有助于改进产品决策。

不过，顾问职位仍需谨慎解读。这些任命并不构成客户背书、独立安全评估，或 Cylus.ai 有效运行的证明。Cylus 同时公布了顾问和产品，使信誉收益成为其发布策略的一部分。

真正的价值将体现在不那么显眼的选择中。产品是否反映了调度员、维护人员、安全官员和安全团队如何划分权限？它能否支持不同的监管环境，而不抹平其各自的要求？

另一个考验是采购。交通机构往往需要关于无障碍性、数据处理、供应商韧性、集成成本和长期支持的证据。经验丰富的顾问可以帮助 Cylus 在技术试点进入正式审批前预判这些问题。

这些任命也拓宽了 Cylus 的地理视野。Fernández 代表美国公共交通政策和运营经验。Doppelbauer 带来欧洲标准与监管视角，而 Péloquin 则将加拿大客运铁路与跨国项目交付联系起来。

这种广度符合公司的全球雄心。不过，铁路网络仍具有鲜明的本地特性。一个跨国顾问委员会无法替代与将使用该智能体的运营方、供应商和一线团队进行直接测试。

人工审批必不可少，但并非安全保障

核心权衡在于安全敏感环境中的速度与有依据的控制之间。

Cylus 反复表示，人员始终掌握控制权。关键操作需要明确批准，据称系统会记录其建议、证据和操作。这些保障措施与当前的政府建议一致。

2025 年 12 月，美国国家安全局、CISA 和国际合作伙伴发布了面向运营技术的 AI 集成原则。该指南建议人员参与关键决策，并采用强有力的治理、测试、监控和故障安全机制。

同一指南指出，运营方应仅在收益大于风险时部署 AI。它还建议在适当情况下将 AI 系统与 OT 环境隔离，并将数据向外推送，而非授予不必要的向内访问权限。

Cylus.ai 看起来符合这种审慎模式，因为其智能体会提出操作建议以供批准。发布材料还称，该平台采用最小权限访问。独立技术文档将帮助买方评估这些原则如何在部署中发挥作用。

人工审查可能以多种方式失效。分析师可能会服从一项看似信心十足的建议，尤其是在工作负荷较高时。他们也可能缺乏该智能体本应提供的铁路专业知识，因此难以识别细微错误。

因此，审批设计所衡量的不应只是是否有人按下了按钮。运营方应记录审查者查看了哪些证据、是否需要第二次授权，以及哪些操作类型仍然被禁止。

高后果操作可能需要单独规则。起草工单不同于隔离终端设备。隔离办公笔记本电脑，也不同于断开用于信号维护的工作站。

安全工程早已将权限和后果视为结构化问题。具备智能体能力的铁路网络安全需要同等严谨性。权限边界应遵循潜在的运营影响，而不应仅依据操作的技术类别。

智能体也可能形成新的访问集中点。为了关联证据，它可能需要查看终端系统、网络传感器、资产清单、文档和工单系统。若该身份遭到入侵，攻击者可能获得对环境异常广泛的视野。

最小权限必须保持动态。系统应仅获得特定工作流所需的数据和工具权限。覆盖范围广且长期有效的凭据，将削弱人工审批带来的安全收益。

模型更新带来另一项担忧。新模型或提示词引入的行为变化，可能在不改变已连接铁路系统的情况下改变建议。运营方需要版本控制、测试环境、回滚程序，以及对重大变更的明确通知。

它们还需要具有代表性的评估场景。一项有价值的试点应涵盖已知攻击、例行维护、不完整遥测、相互矛盾的证据、过期的资产记录，以及异常但合法的运行状况。

误报可能消耗注意力并削弱信任。漏报则可能让有害活动得不到应对。还有第三种更微妙的失败模式：告警本身正确，却配套了不安全或不切实际的响应建议。

Cylus 尚未披露这些结果的实测发生率。它也未公开点名 Cylus.ai 的首批客户、生产环境部署或经过独立审查的案例研究。这一信息缺口应影响运营方对其主张的解读。

早期采用者应先将其用于决策支持，并在真实工作流中观察系统表现。他们可以将智能体的结论与资深分析师的判断进行比较，跟踪修正情况，并识别系统在哪些方面缺乏本地环境背景。

当建议涉及监管控制要求时，可审计性尤为重要。自动生成的合规记录可以节省时间，但应保留底层证据。审查人员必须能够复现这种映射，而不能依赖模型的摘要。

平台还应说明不确定性。缺少当前拓扑、维护信息或端点数据的智能体，应明确指出这一缺口。在安全敏感环境中，猜测可能比不给出结论更糟糕。

Cylus 通过让人工参与决策，划定了一个站得住脚的边界。更困难的任务是证明这些人员拥有足够的背景信息、权限和时间，能够进行有意义的控制。

三个信号将显示 Cylus.ai 能否超越演示效果

客户证据、可量化的决策质量和治理细节，将决定此次发布是否会改变铁路安全运营。

第一个信号是有记录可查的生产环境部署。一家具名运营商应说明哪些工作流在使用 Cylus.ai、它连接了哪些数据源，以及它是在只读模式下运行，还是具备执行操作的能力。

最有说服力的案例研究应包含运营结果，而非笼统的满意度描述。有价值的指标包括调查耗时、证据完整性、分析师修正次数、误报处理情况，以及被拒绝建议所占比例。

若部署覆盖车载、轨旁和车站系统，将强化 Cylus 的行业领域论点。一款功能有限的合规文档助手可以证明其价值，但无法验证该公司更广泛的安全运营主张。

随着时间推移，缺乏客户证据将削弱此次发布的叙事。铁路采购周期较长，因此短期内没有消息并非决定性因素。不过，如果产品确实解决了紧迫问题，试点最终应产生可验证的经验教训。

第二个信号是透明的评估。Cylus 应说明其如何测试告警调查、架构发现、控制映射和拟议操作。买方需要了解评估是否包括对抗性输入和不完整的运营数据。

独立评估的分量将高于内部基准测试。第三方可以审查系统的证据链、权限控制、响应质量，以及对被操纵内容的抵抗能力。

评估还应涵盖本地适配。智能体可能在参考架构上表现良好，却难以应对运营商自身的命名惯例、未记录的连接关系或遗留维护流程。行业知识并不能消除特定站点的不确定性。

第三个信号是针对智能体访问权限和更新机制的详细治理安排。Cylus 应澄清部署如何隔离数据、保护服务身份、验证模型变更、管理持久记忆，以及保存审计记录。

随着监管机构逐步形成对关键基础设施中 AI 的预期，这一信号将愈发重要。NIST 的交通运输概况并不认证 AI 产品，但它为机构确定网络安全成果优先级提供了框架。运营方可利用这一结构，审视智能体会如何影响治理、检测、响应和恢复。

欧洲买方还将考虑 NIS2 义务和铁路专属标准。Cylus 的新顾问可以帮助解读这些要求，但客户仍会要求合同和技术层面的证据。

竞争对手的反应将提供补充背景。广泛覆盖安全领域的厂商可能会扩展具备 OT 感知能力的副驾驶，而工业安全专家可能会针对行业专属流程训练智能体。铁路供应商也可能在信号系统或车队管理平台中嵌入类似分析功能。

Cylus 的优势在于其狭窄而专注的定位。其劣势则是更大的安全平台已经掌控了许多数据源和响应工具。这种叠加式策略必须提供足够的铁路专属价值，才能证明再引入一个拥有特权访问权限的系统是合理的。

对于铁路安全团队而言，正确的下一步并不是立即采取自主响应，而是在智能体辅助调查与现有实践之间进行受控比较。团队应记录智能体在哪些环节节省时间、在哪些方面缺乏背景信息，以及专家何时推翻其判断。

Cylus.ai 铁路网络安全值得关注，因为它将智能体 AI 推向了关键基础设施中的运营决策环节。其人工审批边界是合理的，铁路专属设计也针对了真实存在的专业能力问题。

现在，重担已从发布宣传转向证据。Cylus.ai 能否从杂乱的运营数据中得出可重复的结论？审查人员能否在压力下理解并质疑这些结论？在赋予 AI 智能体更大权限之前，铁路运营商应将这些问题置于每一项试点的核心。