核心要点
- 预计到 2027 年，企业人工智能 (AI) 调用量将增长一千倍，这将形成传统安全机制无法管理的自动化交互规模。
- 尽管去年有 87% 的企业遭遇过 API 安全事件，但只有 18% 的企业认为自己已做好充分准备，能够应对针对与 AI 相关 API 的攻击。
- 向非线性 AI 智能体和氛围编程的转变，使得快速部署优先于严格的安全架构。
- 新兴的智能体到智能体 (A2A) 交互意味着您的安全现在取决于第三方 AI 生态系统的完整性。
- 为了保持创新能力，企业必须采用强调持续发现与实时防护措施的分层运行时模型。
对于现代安全团队来说，最近的科技文章读起来就像是恐怖故事。最近的一篇文章探讨了间接提示注入如何利用受信任的应用程序行为悄无声息地窃取敏感的企业财务数据、日志和遥测数据。另一篇文章探讨了一个 AI 编程智能体，它仅通过一次 API 调用就删除了生产数据库。
这仅仅是应用安全团队目前所面临的诸多挑战中的两个缩影。随着企业从对生成式 AI 的试验转向投入数十亿美元将其深度嵌入核心工作流之中，各种阻力与挑战也逐渐浮现出来。业务部门迫切要求进行极速部署，安全团队却只能眼睁睁地面对一个呈爆炸式增长且无文档记录的 API 网络。
然而，对于当今的安全团队而言，阻碍这股创新浪潮的发展已非可行之选。一刀切的禁令是行不通的。相反，安全团队必须转变为 AI 发展的推动因素。
当然，这往往是说起来容易做起来难，因为形势已经发生了变化。传统的应用程序调用遵循可预测的逻辑，而 AI 智能体是非线性的，它们往往会对端点发起大量请求，以实现单个用户目标。
其结果不仅是攻击规模的扩大，还带来了攻击面的转变。事实上，IDC 预测到 2027 年，全球 2000 强企业的智能体使用量将增长 10 倍，随之而来的 Token 与 API 调用负载量将激增一千倍。
众多企业认为自己尚未做好准备。
令人警醒的防御准备差距数据
我们的 2026 年 API 安全影响研究表明，安全防护能力的提升未能跟上开发速度的步伐。
在受访的 1,840 名安全专业人士中，有 87% 的人过去一年中遭遇过与 API 相关的安全事件。更惊人的是，在这些安全事件中，有 42% 涉及与 AI 技术（涵盖了从面向客户的 AI 应用程序到后台智能体）明确相关的 API。
尽管数据令人担忧，但只有 18% 的受访者认为自己已做好充分准备，能够应对这些攻击。他们正面临这样一种局面：主要的攻击面恰恰是他们最不了解的部分。
安全团队显然已经意识到了其严重后果。当被问及与大语言模型 (LLM) 相关的 API 风险时，受访者将三大首要风险归结为：“API 泄露敏感信息或被用于数据渗漏”、“攻击者利用不受保护且与 LLM 相关的 API 端点”以及“API 根据恶意输出执行操作的提示注入”。
为什么氛围编码会构建出脆弱的系统
AI 辅助开发（通常称为氛围编程）的兴起反而使情况雪上加霜。这种方法优先考虑快速投产与功能演示，而非进行严格的安全测试。
尽管这提升了生产力，但往往会导致出现授权机制不安全或发生敏感错误泄露的 API。攻击者目前正利用生成式 AI 将这些漏洞武器化，其速度几乎与漏洞产生的速度同步。
这使得网关变得至关重要。AI 网关必须不断演进，纳入智能体注册表和客户端验证机制，以降低风险。
中毒链：智能体与智能体交互带来的风险
随着企业逐步实现智能体到智能体 (A2A) 通信，威胁态势呈指数级扩张。您的安全边界不再仅局限于自身的内部基础架构。
如果内部智能体调用外部 AI 工具进行分析，而该外部工具已遭到入侵，它可能会将受污染的数据回传到您的系统。这会形成一个“投毒链”，在没有任何人工直接提示的情况下，导致未经授权的数据渗漏。
这些自动化协商在数毫秒内即可完成。如果缺乏实时监测能力，这些交互行为往往会在数据泄露事件发生很久之后才被察觉。
如何过渡到分层运行时模型
为了从 AI 发展的障碍转变为推动因素，安全团队需要一种能够安全地为创新提供支持的方法。解决方案是采用分层运行时模型，确保应用程序在从初始 API 连接到最终模型输出的每一层都受到保护。
该策略侧重于三个关键阶段：
- 持续发现
- 网关实施
- 运行时强化
持续发现
摆脱对静态文档的依赖，转而利用基于实时流量的实时行为发现来映射影子 API 及未受监控的上下文服务器。通过将运行时环境中的漏洞直接追溯到开发人员的代码库，团队能够更快地从检测阶段过渡到修复阶段。
网关实施
将所有内部和外部 AI 流量经由 AI 感知型托管网关进行路由。这将产生一个集中式的控制点，用于实施速率限制、管理凭据，并从广泛的 API 密钥转变为限定权限的智能体身份。
运行时强化
部署专用的内容与逻辑防火墙，以实时评估输入与输出。这些工具不仅能化解对抗性提示注入，还能在数据到达第三方大语言模型 (LLM) 或内部向量数据库之前，自动对个人身份信息等敏感数据进行屏蔽处理，从而充当主动防护措施。
通过将监测能力确立为安全防护的先决条件，企业负责人可以摆脱由单点解决方案组成的拼凑式方案，构建起一套既能降低风险，又不会拖慢业务步伐的统一防御体系。
下载指南
本篇博文涵盖了部分核心风险领域，但这仅仅是冰山一角。我们的战略指南可帮助安全专业人士妥善应对转型，构建起有韧性的 AI 态势。立即获取本指南，了解 Akamai 如何帮助弥合监测能力差距。
标签
