突破身份控制措施的局限性：治理智能体企业

在我们最新的 SOTI 安全报告《速度、规模与非人类身份：智能体威胁格局》中，我们探讨了智能体 AI 正在如何改变企业风险。该报告最新揭示的重要发现包括：

• 模型上下文协议 (MCP) 虽为智能体 AI 赋予了跨 API 执行操作的“双手”，但它同时也模糊了数据与代码的边界；这可能导致恶意服务器利用提示注入或跨服务器攻击来劫持大语言模型 (LLM) 的逻辑。

• 浏览器已成为一个关键且未受监控的攻击面：超过 40% 的企业用户安装了这些工具，并且其中 25% 的已安装扩展在 12 个月内更改了权限。

• 在企业设备上进行的 AI 聊天机器人对话中，有超过 6% 的对话包含敏感数据。

• 随着 AI 驱动的系统在企业工作流中承担更多的职责，企业必须优先考虑对机器间活动及 API 授权的监测能力，同时应用 Zero Trust 架构以保障机器身份、智能体权限及自主决策的安全。

尽管 MCP 为 AI 智能体提供了访问外部工具与 API 的标准途径，但这种无缝连接也为攻击者入侵敏感系统打开了新的突破口。每个 MCP 服务都可能引入权限、依赖关系和指令，从而决定智能体可以访问的资源或执行的操作。

安全团队应将 MCP 连接视为企业攻击面的一部分，并保持对 MCP 服务、关联工具、权限以及运行时行为的监测能力。这种监测能力有助于防止不受信任或遭到入侵的服务影响智能体行为、访问敏感数据，或触发未经授权的操作。

不断提升的自主性意味着，企业安全体系必须突破传统身份控制措施的局限性，不仅要管控智能体能够访问的资源，还要管控它们的运行方式。

随着各企业纷纷采用具备更高自主性的 AI 系统，安全体系正在不断演进。身份和访问权限只是其中的一部分；如今，跨 API 治理非人类系统同样至关重要。

随着前沿 AI 能力（包括 Project Glasswing）将发现系统漏洞所需的时间从数周缩减至数小时，现有的补丁修复周期可能难以跟上这一节奏。企业需要自适应的边缘原生运行时防护机制与基于风险的自主性，从而使 AI 系统能够执行易于验证和撤销的操作，同时对具有深远影响或异常的行为保持人工监督。

并非每一种 AI 风险都需要采取相同的应对措施。最优先处理的是那些对业务产生重大影响并且需要快速干预的威胁，例如智能体式 AI 攻击、AI 驱动的漏洞发现以及提示注入（图 1）。

随着非托管 AI 扩展程序和工具的激增，基于浏览器的监测能力也成为了关键的攻击面。研究显示，AI 浏览器扩展程序存在已知漏洞的概率较其他工具高出 60%，并且目前已有近半数的企业用户安装了 AI 扩展程序（图 2）。

为了通过行为治理和数据泄露管控来应对 AI 驱动的威胁，安全团队必须突破静态规则的局限，采用全新的自适应执行标准。该修订后的安全方法旨在应对不断演进的 AI 发展格局（图 3）。

智能体企业的时代已然到来，保障其安全需要全新的策略。尽管部分 AI 风险正在接受评估和监控，但很多新兴的 AI 威胁仍然未得到重视。企业需要快速评估并实时控制 AI 智能体、MCP 服务、浏览器扩展程序及关联应用程序可以访问的资源以及它们能够执行的操作。

其目标并非限制 AI 技术的应用，而是对其进行有效治理。将 AI 创新与行为治理相结合的企业，将能够更从容地应对当今不断演进的 AI 威胁态势。

您可以回顾往期报告，并关注 Akamai 备受好评的《互联网现状/安全性》后续报告，随时了解最新的威胁情报分析、安全报告和网络安全研究的动态。