CISSP考生注意！ISC2最新考试新变化：AI考点来了，怎么考？考什么？

CISSP考试新变化：AI考点来了，怎么考？考什么？

2026年4月，ISC2官方发布了一份AI考点指引。

这个消息一出来，不少正在备考CISSP的人心里咯噔一下：又要加内容？本来就够厚了，还加AI？

大家不用慌。ISC2说得清楚：AI不会成为一个新的知识域，也不会改变现有的考纲结构。

以后的CISSP考试，会在原有的安全知识点里，融入AI场景。这意味着，你原来要学的安全知识没有变，但考题会问得更具体——换成AI背景下的安全，你还能不能答对。

今天这篇文章就来帮大家梳理一下AI考点的核心内容。备考的同学可以对照着看，不备考但做安全的同学也可以收藏参考。

---

一、域1：安全与风险管理——AI治理与风险管理

这个域的核心没变——还是风险评估和治理。只是场景换成了AI。

你需要关注三件事：

AI带来的新风险

LLM输出错误内容，AI决策产生偏差，自动化决策导致合规问题——这些都需要纳入现有的风险管理框架。

AI伦理

公平性、透明性、可解释性、问责制。考试如果考到"怎么降低算法偏见"，答案方向通常是数据治理、监督机制、人工审核，而不是技术细节。

第三方AI风险

ChatGPT、Claude、Gemini、Copilot——大量企业在用第三方AI服务。怎么评估外部模型的安全风险，怎么管理AI供应链，会成为考点。

---

二、域2：资产安全——AI数据安全

AI系统的核心资产是什么？数据。

训练数据是核心资产

训练数据集、微调数据、提示词数据——这些都是高价值资产，需要分类、标记、保护。

模型权重

模型权重泄露 ≈ 源代码泄露，属于高价值知识产权资产。

数据投毒

攻击者篡改训练数据，让模型产生偏差或植入后门——这是AI领域典型的数据完整性问题。

隐私保护

差分隐私、数据脱敏——这些技术要理解，尤其是差分隐私，它是防止从模型中反推出训练数据的关键手段。

---

三、域3：安全架构与工程——安全AI架构设计

这个域的重点是提示词注入（Prompt Injection）。

提示词注入

攻击者通过构造特殊提示词，绕过限制、泄露系统Prompt、获取敏感信息。这是目前热门的AI攻击方式之一，考到的概率很高。

对抗攻击

对抗攻击（Adversarial Attack）也是考点——对模型输入做微小修改，导致模型误判。

可解释AI

还有可解释AI（Explainable AI）。如果AI决策无法解释，就无法审计、无法合规、无法追责。所以可解释性本质上是一项安全需求。

共享责任模型

共享责任模型针对云端AI服务，哪些安全责任属于云服务商，哪些属于客户，需要区分清楚。

---

四、域4：通信与网络安全——AI环境网络保护

训练环境隔离

AI训练环境需要独立隔离，做好微分段（Micro-segmentation），防止横向移动和模型窃取。

推理流量安全

推理流量安全要关注API调用、推理请求、模型响应过程中的保密性、完整性和可用性防护。

AI用于网络防御

AI也可以用于网络防御。AI驱动的NDR（网络检测与响应）擅长基于行为的异常流量分析，比传统基于特征码的检测更灵敏。

---

五、域5：身份与访问管理——AI身份管理

非人类身份

非人类身份（Non-Human Identity）——AI Agent、Service Account、自动化机器人——很可能成为高频考点。

最小权限原则

最小权限原则同样适用：AI不能拥有超级管理员权限或全库访问权限。

AI增强身份认证

AI也可以反过来增强身份认证，比如用于行为分析、风险认证、自适应认证，实现增强的用户和实体行为分析（UEBA）。

---

六、域6：安全评估与测试——AI安全测试

AI红队

AI红队（AI Red Team）把传统渗透测试扩展到AI领域：提示词注入、AI越狱、模型提取。

模型鲁棒性测试

模型鲁棒性测试要验证对抗样本攻击下的模型稳定性。

模型提取攻击

模型提取攻击是指攻击者通过大量查询复制模型能力。

AI辅助漏洞管理

AI也可以辅助漏洞管理——把AI用于漏洞发现、风险排序、自动化修复建议，这些属于安全运营视角的考点。

---

七、域7：安全运营——AI赋能SOC

AI与SOAR结合

AI与SOAR（安全编排、自动化与响应）结合，实现自动告警分析、自动响应、自动处置。

告警疲劳应对

AI辅助下可以做日志关联分析、告警降噪、优先级排序，帮助安全团队解决告警疲劳（Alert Fatigue）问题。

模型漂移

还要关注模型漂移（Model Drift）——AI模型在实际运行中准确率逐渐下降。新型攻击方式出现后，检测模型可能失效。

AI生产环境监控

AI生产环境需要持续监控模型性能、输出质量和异常行为。

---

八、域8：软件开发安全——AI安全开发

AI辅助编码风险

AI辅助编码工具（GitHub Copilot、ChatGPT、Claude Code）可能带来不安全代码、过时库引用、漏洞代码生成等风险。

幻觉问题

幻觉（Hallucination）——AI自信地生成错误内容，在开发场景中可能虚构API、错误代码、错误安全建议。

AI融入SDLC

AI融入SDLC可以在开发、测试、代码审计阶段引入AI，但仍需保留人工审核和安全测试。

ML供应链安全

ML供应链安全——从数据采集到模型部署的整个生命周期中，开源组件、模型、平台都可能被篡改或植入后门，需要防范恶意模型和依赖库漏洞。

---

九、考试形式会变吗？难度会变大吗？

考试本身不会变——还是CAT自适应，还是100到150道题，还是考八个域。

AI考点不是"加内容"，而是"换场景"：原来考"风险评估"的题，现在题干里多了AI系统的背景。

难度不会凭空变大。只要你对八个域的基础知识掌握得扎实，把AI场景当成"新的应用题"来理解，而不是当成"新的知识域"来背，就不会慌。

---

十、备考建议：怎么准备AI考点？

不用单独学AI

ISC2的考点是融进八个域的，你也应该融进八个域里学。每复习一个域，专门问自己一个问题："这个域的知识点，放到AI场景下怎么应用？"

理解"保护AI"和"用AI保护"两条线

每看到一个AI考点，先判断它属于哪条线——是教你怎么保护AI系统，还是教你怎么用AI做安全？分清楚了，答题就不容易跑偏。

关注实操场景，不是技术原理

考试不考你怎么训练模型，考的是：AI系统上线了，你怎么做风险评估？怎么管权限？怎么测安全？怎么应对外部攻击？

如果你正在备考CISSP，或者打算抓住9月CISSP考试窗口期，现在的关键是：在原有知识体系上，补齐AI场景的理解。不是重学一遍，是补上AI这个变量。

想了解课程详情或报名，欢迎私信小艾老师。