2026-10-15 15:53:53 网络安全文章来源：ZONE.CI 全球网 0 阅读模式

【重磅发布】安全牛《自主智能体Agentic AI风险治理与安全应用指南》

原创

徐晓丽
徐晓丽

安全牛

2026年10月13日 13:45
北京

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

点击蓝字关注我们

2026年以来，OpenClaw“养虾”的热潮，伴随Hermes智能体、Claud Agent、Harness工程框架的不断出现，Agent能力开始从“对话”转向“自主执行”，开启了“自主Agent应用”元年。然而，其与生俱来的高权限、强自主、广生态特性，在缺乏完善安全管控与规范引导的情况下，迅速陷入了严重失控状态，并引发多起高危安全事件。

为系统性破解Agentic智能体“想用不敢用”的产业困境，安全牛正式启动《自主智能体Agentic AI风险治理与安全应用指南》报告研究，系统梳理自主智能体的风险图谱，助力企业构建科学、可落地的安全防御体系。今日，报告正式发布。

【扫码抢鲜阅读报告】

一、Agentic AI的概念与生态现状

Agentic AI是一种以目标驱动、自主决策和持续行动为核心的新型AI范式。与2025年以大模型调用为主的Agent相比，当前的Agent能进一步利用开放环境、外围组件实现持续感知、决策与行动能力，可实现更复杂高层任务目标。

从系统组成看，Agentic AI开始从以“模型”为中心的单体应用，逐步演进为由模型、Agent核心能力、知识与上下文、Tools与Skills、MCP/A2A开放协议、Runtime/Harness及安全治理、开发工具链共同构成的多层次智能体生态。

随着AI工程范式的持续落地，Agent逐渐成为AI应用的重要技术载体，被应用于业务流程、办公自动化、安全运营、研发运维、客户服务等场景。按客户类型，Agent可划分成2C、2B、跨场景应用三种类型；按任务属性，可进一步划分为通用型、专业型、任务执行型、流程自动化型、浏览器操作型、具身智能型以及多智能体协同型等。

二、企业风险管理面临关键挑战

Agentic AI可以自己拆解目标、规划步骤、调用工具、迭代执行、反思纠错，主动完成复杂任务。其中，自主性是Agent区别于早期AI应用的核心特性，自主性越强行动能力越强，权限需求越高风险影响范围越大，安全治理要求越复杂。

企业智能体风险管理的关键挑战包括以下5个方面，分别对应资产可见性、身份与权限、自主行为、协同关系、供应链生态五个治理维度。

三、Agentic AI风险分析

Agent风险具有明显的“空间分布”和“时间演化”特征。结合Agent系统架构与全生命周期，安全牛构建了立体化风险分析矩阵。

其中，技术层风险主要聚焦智能体自身能力边界与固有缺陷；系统层风险重点源于智能体融入复杂IT环境后信任边界模糊和权限关系复杂化；应用层风险主要来自工具调用、自主决策与任务执行过程中的行为失控；生态层风险集中于模型、插件、工具及开源组件等供应链风险；治理层风险则主要体现为合规管理、责任体系和安全运营机制不足。

从风险治理视角，Agent风险进一步归纳为：Agent自身智能风险、Agent身份与权限风险、Agent行为与执行风险、Agent数据与知识风险、Agent生态与供应链风险、Agent治理与合规风险六大风险域。

四、安全治理框架与核心技术

Agentic AI安全治理的核心目标，是在保障智能体自主能力发挥的同时，实现智能体可见、可控、可审计、可追责。原则上应以“安全内建、最小权限、人机协同、持续监控、可观测与可追溯”为核心，通过建立覆盖战略规划、技术控制、运行管理和组织保障的综合治理体系，实现对智能体资产、身份、权限、行为和风险的统一管理。

基于Agentic AI的系统组成及风险特点，安全牛建议企业采用“模型—基础设施—Agent运行—外围生态—风险治理”的五层框架构建Agentic AI安全治理能力。针对不同层面的安全风险，分别构建模型安全、身份权限管理、Runtime安全、工具与供应链安全、持续监测与治理等能力，形成覆盖Agent全生命周期的体系化安全防护能力。

其中，Agent运行层侧重于Agent运行过程与行为风险，通过将身份、权限、策略和安全控制机制嵌入Agent执行过程，实现智能体的内生安全控制。安全与治理层作为贯穿全生命周期的体系化治理能力，为Agentic AI提供安全基础设施支撑，以及持续监测、风险管理和合规保障。

围绕Agent全生命周期和关键风险域，核心技术需要覆盖身份、行为、运行、数据、生态和治理六大方向的安全能力体系：

Agent身份与权限安全技术主要解决“Agent是谁、代表谁、能够访问什么资源以及可以执行什么操作”的问题，是Agent安全治理的基础。
Agent行为监测与可观测技术主要解决“Agent做了什么、为什么这么做、调用了什么、产生了什么影响”的问题。
Agent运行时安全是实现Agent自主可控的重要基础技术，也是Agent区别于传统AI的重要安全领域。
Agent数据与知识安全主要解决“Agent能够看到什么数据、使用什么知识，以及如何防止数据泄露和知识污染”的问题。
Agent供应链安全主要解决“Agent依赖的模型、框架、Skills、Tools、MCP、插件和第三方服务是否可信”的问题。
Agent安全评估与持续运营主要解决“Agent上线前是否安全，以及上线后能否持续保持安全状态”的问题。

五、安全体系建设总体建议

为实现企业智能体安全、合规、稳定运行，构建全方位、全流程、可迭代的安全防护体系，报告从资产管理、制度治理、技术平台、持续运营四个维度，给出企业智能体安全体系建设建议。

其中，Agent安全技术平台，需要整合资产管控、权限防护、策略管控、运行监测、安全评估、持续运营能力，实现安全风险的全方位感知、全链路防护、智能化处置。其核心能力包括：Agent资产管理、身份权限管理、Guardrails策略中心、Tool/MCP安全管理、Runtime安全防护、行为监测平台、安全评估平台、持续运营中心8大模块。

但不同行业的监管强度、数据敏感度与业务连续性要求差异显著，统一的通用基线需要按行业细化。

六、国内产业竞争格局及代表性厂商方案

中国Agentic AI安全产业生态，与国际市场一样都尚未形成完全独立的成熟市场。根据调研，目前国内Agentic AI安全产业已经围绕模型安全、AI应用安全治理、Agent运行时安全、身份权限治理、AI供应链安全和AI安全运营等方向形成多元化布局。

参与者以传统安全厂商、大模型和云厂商、供应链安全厂商、身份安全厂商、新兴AI安全企业为主。

其中，网络安全厂商的商业化步伐相对较快。2026年前后，大模型安全网关、AI安全评估、Guardrails以及AI安全运营等仍是市场落地较为成熟的主要方向。

随着企业从大模型应用逐步迈向自主执行型Agent，市场竞争焦点将进一步从“模型与应用安全”向“Agent身份与运行时安全”延伸。身份安全厂商也开始突破传统IAM以身份认证、访问控制和生命周期管理为核心的能力边界，依托可信身份、零信任、持续风险评估等技术基础，将安全能力进一步延伸至Agent身份治理、动态授权、运行时行为控制以及全生命周期安全管控，推动身份安全从“访问控制”向“自主智能体安全控制”演进。

从落地角度，Agentic AI安全短期市场会以金融、政务、能源的试点项目为主，中长期随着强制国标落地，Agent安全将成为所有企业部署自主智能体的刚性准入门槛。

（以下按简称首字母顺序展现，不分排名先后）

安普诺（悬镜安全）：问镜AIST——聚焦AI供应链安全防护

悬镜安全起源于北京大学网络安全技术研究团队“XMIRROR”，是数字供应链安全开拓者，国家级专精特新“小巨人”企业。随着AI生成代码及Agent应用的爆发式发展，悬镜安全的重心开始从传统软件供应链安全向AI原生安全延伸，并首创了基于“AI原生安全+软件供应链安全+AI供应链安全情报”的新一代数字供应链安全治理体系。

其中，问镜AIST（AI Security Testing，也称为AI安全卫士平台）是AI原生安全治理体系的重要组成部分。区别Code AI仅面向AI生成代码的应用场景，问镜AIST是面向AI/Agent 智能体安全的测试平台，重点聚焦于应用上线前的风险根除与数字资产的透明化治理，包括静态深度检测、动态红队渗透、供应链情报联动三大能力。

奇安信：AI安全网关——实现可控、可管、可审计

奇安信是国内综合网络安全领域代表性厂商之一，长期布局网络安全、云安全、数据安全和安全运营领域。随着大模型和Agent技术快速发展，奇安信将AI安全纳入整体安全体系，探索面向企业AI应用和智能体环境的新一代安全防护能力。

Agent安全的核心产品是奇安信AI安全网关。