各企业正在加速 AI 落地以打造智能体交互体验，今年预计将在应用层投入约 190 亿美元。这种急于求成的导向使得生产环境中充斥着大量未记录的 API，进而带来了严峻的安全挑战：在过去一年中，87% 的企业都遭遇过与 API 相关的安全事件。
全面覆盖应用程序安全领域的各类风险
AI 的广泛应用导致生产环境中充斥着大量未受保护的端点。在不拖慢开发速度的前提下，实现控制并构筑防护措施。
目前，API 安全事件已波及 87% 的企业，并且频繁以 LLM 为攻击目标。此框架提供了分层安全防护机制，旨在全面保护从提示输入到结果响应的每一次交互。
AI 赋能的分层防御体系的运作方式
我们专门构建的防御方案，能够保护应用程序、API 和 AI 服务的暴露面、访问路径及被滥用节点。该方案包含四个基本要素：
客户案例
行业认可
常见问题
常见问题
“氛围编程”是指更注重快速交付功能（即“营造恰到好处的氛围”），而非严格安全架构的开发方式。这也印证了我们在 2026 年调研中的发现，即 API 错误配置是导致安全事件的首要原因，54% 的受访者指出了这一点。
这些端点现已成为头号攻击目标，与 42% 的安全事件相关。尽管这些端点风险很高，但它们通常未记录在案，这便导致了一场危机：仅有 23% 的安全专业人员知道哪些 API 会返回敏感数据。
MCP 被称为“AI 领域的 USB-C 接口”，它简化了智能体连接到 Slack 或 SQL 数据库等数据的方式。然而，“影子 MCP”成为了一项重大风险。Forrester 预测，到 2026 年底，30% 的应用供应商将推出自己的 MCP 服务器，这将使不受管理的攻击面变得更加复杂。
传统防火墙难以应对智能体流量，预计到 2027 年，此类流量将增长 1,000 倍。尽管 45% 的企业将保障服务连续性视为首要任务，但人工响应在应对威胁时速度太慢。现在，AI 赋能的侦察手段在短短数分钟内便能够利用系统漏洞。
这标志着从被动的手动调优向自主防护的转变，以应对仅有 18% 的企业认为自己为抵御和 AI 相关的 API 攻击“做好了充分准备”的现状。它利用行为 AI 技术，能够在以机器速度进行的侦察活动与漏洞利用执行之前识别出这些活动。
随着内部智能体越来越多地调用外部工具，攻击面正呈指数级扩大。如果第三方智能体遭到入侵，它可能会污染内部智能体的上下文，进而导致未经授权的操作——对于担心恶意提示注入的 40% 的企业来说，这是他们最关心的问题。
通过采用分层运行时模型，为整个 IT 技术栈提供态势感知。目前，59% 的企业表示，提高对 AI 风险的监测能力是其增强企业韧性的首要任务。
资源
联系我们
期待与您深入聊聊您的实际需求，共同探讨 Akamai 如何助力您的企业在 AI 时代放手创新、行稳致远。