当前位置:首页 > AI资讯 > 正文内容

AI员工激增,企业安全亟需身份认证

admin3小时前AI资讯19

当AI成为“员工”,企业安全需要一张「身份证」

OpenClaw 掀起的智能体浪潮,正将人工智能从辅助工具转变为真正意义上的“硅基员工”。越来越多的企业开始部署 AI Agent,让它们参与代码生成、数据分析、客服响应等核心业务流程。效率被指数级放大,但随之而来的,是安全边界的模糊与风险的激增。

在第八届C3安全大会上,亚信安全披露的一组数据令人警醒:企业日均安全告警超过5000条,大中型企业更是被海量告警持续淹没;近70%的传统安全系统缺乏统一API接口,数据割裂严重;在AI驱动的攻击下,攻击者平均突破时间被压缩至29分钟,最快仅需27秒。这意味着,当攻击速度被AI显著拉高,而防御体系仍停留在“分散系统与人工研判”的旧模式时,传统安全体系正从“可控防御”滑向“高负载失效”。

智能体的身份危机:从“调用者”到“执行者”

智能体正在成为不可逆的技术趋势,并在演进路径上分化为 task-driven 与 goal-driven 两类。前者执行确定性流程,如生成报告或写PPT,边界清晰、风险可控;真正带来结构性变化的是后者——以目标为驱动,自主拆解任务、调用工具、跨系统协作,甚至动态生成执行路径。

以 OpenClaw 为代表的 goal-driven 智能体,其能力已远超“工具调用”范畴,成为具备自主决策能力的“执行主体”。但问题也随之而来:当执行从线性流程变为动态网络,若缺乏可信身份与上下文感知,智能体协作就可能演变为不可控的分布式执行系统。

当前,大多数智能体平台仍依赖 API Key 机制进行鉴权,本质只有“能否调用”的权限判断,无法识别“谁在调用”“基于什么上下文调用”。在传统系统中,访问控制通过员工号、组织关系和权限模型结构化实现;但在智能体接入后,同一接口可能被不同智能体、不同业务场景反复调用,一旦缺乏身份绑定,系统就会退化为“拿到Key即可访问一切”的开放状态。

更严峻的挑战来自模型的“幻觉放大效应”——当智能体具备数据库操作、MCP接口调用等能力时,参数幻觉或调用路径误判不再是回答错误,而可能直接导致生产系统中的错误执行,造成数据污染或业务中断。

安全范式转移:从边界防护到内生治理

面对这一结构性变化,亚信安全副董事长、CEO 马红军指出:“AI Agent 和大模型正在快速进入企业业务体系,攻击面已从传统IT资产延伸至AI资产本身。仅靠系统级‘连接’已不够,AI XDR 必须深度融合 AIDR(AI威胁检测与响应),实现从全域联防到智能进化的范式转移。”

这意味着,安全不能再被视为业务逻辑中“填不满的无底洞”,而应是一项可管理、可预期、可对标的战略性投资。行业亟需承认一个前提:智能体正在从“API调用者”转变为“企业执行主体”,必须将其作为一个新的系统角色进行治理。

为此,亚信安全并未选择重构企业既有架构,而是在不改变原有API体系的前提下,补上被长期忽视的三块基石:身份、上下文与权限

一方面,通过全链路数据打通,系统能够识别“谁在什么业务语境下发起调用”;另一方面,将权限控制从代码规则升级为可表达的治理策略,例如“员工只能查看自己的工资”“省级负责人只能查看下属绩效”,使权限从技术逻辑回归组织治理逻辑。

AI XDR 2026:构建智能体时代的闭环安全体系

传统EDR、NDR等能力并未失效,但它们主要应对外部攻击;而智能体带来的风险,正转向系统内部——来自权限放大、模型幻觉与自主决策链路的叠加。

为此,亚信安全推出 AI XDR 2026,不再是一个单点防护产品,而是由多智能体协同与安全数据链路构成的闭环体系。平台内嵌资产管理、风险分析、漏洞管理、联动处置等十大智能体,覆盖从威胁检测到响应处置的全链条,使安全从“被动防御”走向“可控执行”。

这一体系实现了三层能力演进:
1. 身份可信化:为每个智能体赋予唯一身份标识,绑定业务上下文与权限边界;
2. 行为可观测:通过全链路日志与AI分析,实时追踪智能体调用路径与决策逻辑;
3. 响应自动化:当检测到异常行为或权限越界时,系统可自动隔离、回滚或触发人工干预。

当硅基员工批量上线,企业安全的首要任务,不再是堆砌更多防火墙,而是为每一个AI Agent办理一张“身份证”——让它们在高效执行的同时,始终处于可信、可控、可追溯的治理框架之中。

标签: AI安全 智能体治理 XDR 身份权限 企业数字化

返回列表

上一篇:千里科技AI原生智驾颠覆行业规则

没有最新的文章了...

相关文章

AI成网络安全双刃剑:防御还是攻击利器

人工智能的双刃剑:当防御者拿起AI武器在科技迅猛发展的今天,人工智能(AI)正以前所未有的速度重塑各行各业。金融领域作为数字化程度最高、数据最密集的行业之一,自然成为AI技术落地的前沿阵地。然而,正如...

2026年资本回归理性,谁真正被选中?

资本回归理性:2026年,谁真正被“选中”? 当潮水退去,谁在裸泳一目了然。2026年的创投市场,早已不再是那个靠PPT讲故事、靠烧钱抢份额的时代。资本褪去浮躁,回归理性;概念让位于落地,实效成为行业...

具身智能数据荒:机器人如何突破训练瓶颈

当大模型在“烧token”时,具身智能却在“无数据可烧” 2026年,AI世界正上演一场荒诞的对比:一边是大语言模型和视频生成模型以万亿级token疯狂“吞食”文本与图像,另一边是具身智能机器人却陷入...

行云芯片用LPDDR重构AI推理成本逻辑

从“天才少年”到芯片创业者:行云如何重构AI推理的成本逻辑 在AI大模型狂奔突进的今天,算力的军备竞赛正悄然从“性能至上”转向“成本优先”。当千亿参数模型成为标配,传统以HBM(高带宽内存)为核心的G...

谷歌Gemini Robotics-ER 1.6重塑工业机器人认知能力

从“看见”到“看懂”:谷歌新一代机器人模型如何重塑工业场景 当波士顿动力的机器狗Spot在工厂中缓步前行,精准地停在压力表前,读取指针刻度并准确报出数值时,这不再是一场炫技的演示,而是机器人认知能力的...

机器人迎来GPT-3时刻:π0.7实现自主思考

机器人终于迎来了它的“GPT-3时刻” 当人们还在争论具身智能是否真的能走向通用时,Physical Intelligence(PI)用一款名为 π0.7 的VLA(视觉-语言-动作)模型,给出了一个...

发表评论

访客

◎欢迎参与讨论,请在这里发表您的看法和观点。