文章总结： 本文分析全球智能体安全趋势，指出AIAgent风险从内容生成转向行动执行，需解决身份、权限、行为监控三大问题。国际厂商从云平台原生护栏、安全平台运行时防护、身份治理、AI暴露面管理四方向布局，详细介绍了Microsoft、AWS、PaloAlto等10家厂商的方案特点与适用场景，并针对四类企业提供选型建议，提出组合落地架构。 综合评分： 85 文章分类： 解决方案,安全建设,云安全,技术标准,安全运营

---

全球智能体安全版图：主要国际厂商的方案、理念与部署路径

dimu dimu

AI简化安全

2026年6月27日 15:09 广东

在小说阅读器读本章

去阅读

过去一年，企业对生成式 AI 的安全关注主要集中在提示词注入、越狱、敏感数据泄露和模型幻觉。但随着 AI Agent 开始连接数据库、SaaS、API、MCP Server、浏览器、终端和业务系统，风险已经从“回答错了”升级为“真的去执行了”。

智能体安全的核心问题也变成了三句话：

• • 这个 Agent 是谁？
• • 它能访问什么？
• • 它每一步行动是否被授权、被记录、可阻断？

因此，国际主流厂商正在从四个方向布局：云平台原生护栏、安全平台运行时防护、身份治理、AI 资产与暴露面管理。

一、智能体安全为什么成为独立赛道？

传统 AI 安全更关注模型输入输出：有没有恶意提示词、有没有泄露敏感数据、有没有生成违规内容。智能体安全则进一步关注“行动链条”：Agent 是否调用了不该调用的工具、是否带着过高权限访问系统、是否把外部网页里的恶意指令当成任务、是否把人类身份和 Agent 行为混在一起。

这意味着企业不能只部署一个提示词过滤器，而需要建立一套围绕 Agent 生命周期的控制体系：

• • 身份层：每个 Agent 都应有身份、所有者、权限和生命周期。
• • 网关层：模型调用、工具调用、MCP 请求要经过统一控制点。
• • 运行时层：检测提示词注入、越权工具调用、数据外泄和异常动作。
• • 暴露面层：盘清模型、数据集、推理端点、插件、Agent 框架和云权限。
• • 治理层：把用例、审批、风险、审计和合规证据纳入流程。

一句话：Agent 的价值在于能自主行动，Agent 的风险也来自自主行动。

二、国际主要厂商方案速览

1. Microsoft：把 Agent 纳入 Defender、Purview 与 Foundry 体系

微软的核心理念是“把 AI Agent 当作企业安全资产纳入统一安全运营”。它不是单点做一个 AI 防火墙，而是把 Agent 的开发、运行、数据治理和威胁检测放进 Microsoft Security 体系。

关键产品与能力：

• • Microsoft Foundry 安全与合规[1]
• • Microsoft Defender for Cloud AI Security Posture[2]
• • Microsoft Purview 管理 Agent 365 数据安全与合规[3]
• • Foundry Guardrails、Prompt Shields、Abuse Detection、Defender XDR、Sentinel 联动

部署方式：主要通过 Azure 订阅、Microsoft Defender Portal、Purview Portal 开启能力。适合已经使用 Azure AI Foundry、Copilot Studio、Microsoft 365、Defender XDR、Sentinel 的大型企业。

适用场景：企业内部 Agent 管理、Copilot 类应用治理、敏感数据防泄露、SOC 统一告警关联。

2. AWS：以 AgentCore + Guardrails 构建“可执行边界”

AWS 的核心理念是“Agent 可以自治，但工具调用必须被确定性策略控制”。Amazon Bedrock AgentCore 强调框架无关、模型无关，可以支持 LangGraph、CrewAI、LlamaIndex、Strands Agents 等不同智能体框架。

关键产品与能力：

• • Amazon Bedrock AgentCore[4]
• • AgentCore Policy[5]
• • Amazon Bedrock Guardrails[6]
• • AgentCore Runtime、Gateway、Identity、Observability

部署方式：通过 AgentCore Gateway 拦截工具调用，用 Cedar 策略或自然语言生成策略控制 Agent 可以访问哪些工具、执行哪些动作。Bedrock Guardrails 可在网关边界对输入、输出、工具调用进行检测与阻断。

适用场景：云上自研 Agent、业务流程自动化、跨工具调用授权、需要策略即代码的企业。

3. Google Cloud：Model Armor 作为 AI 与 Agent 的运行时护栏

Google Cloud 的核心理念是“在提示词、响应、工具交互路径上做内联检测和阻断”。Model Armor 是 Google Cloud 面向生成式 AI 与 Agentic AI 的运行时安全服务。

关键产品与能力：

• • Google Cloud Model Armor[7]
• • Model Armor 集成文档[8]
• • Gemini Enterprise Agent Platform 配置 Model Armor[9]

部署方式：可以通过 Gemini Enterprise Agent Platform 内联启用，也可以通过 REST API 接入任意模型和基础设施。支持模板级策略和项目级 baseline 策略，用于检测提示词注入、越狱、PII 泄露、恶意 URL、违规内容等。

适用场景：Google Cloud、Vertex AI、Gemini 生态中的 Agent 应用，以及需要多模型运行时护栏的企业。

4. Palo Alto Networks：Prisma AIRS 做统一 AI 运行时安全平台

Palo Alto Networks 的核心理念是“Discover、Assess、Protect”，即先发现 AI 资产和 Agent，再评估风险，最后做实时防护。Prisma AIRS 已经从 AI Runtime Security 扩展到 AI Agent Security。

关键产品与能力：

• • Prisma AIRS[10]
• • Prisma AIRS Agent Security[11]
• • Prisma AIRS 文档[12]

核心能力包括 Agent 发现、Agent 身份验证、AI Runtime Firewall、AI Runtime API、AI Red Teaming、AI Model Security、AI Posture Management。

部署方式：支持网络内联拦截、API 嵌入式检测、云账号接入、模型扫描、自动化红队测试。适合多云、多团队、多 Agent 平台并存的大型企业。

适用场景：AI 资产治理、Agent 运行时防护、MCP 风险监测、模型上线前安全评估。

5. Cisco：AI Defense 强调网络层内联防护

Cisco 的核心理念是“把 AI 安全嵌入企业网络和安全云”。Cisco 收购 Robust Intelligence 后，将其算法红队、AI Firewall 等能力整合进 Cisco AI Defense。

关键产品与能力：

• • Cisco AI Defense[13]
• • Cisco AI Defense Data Sheet[14]
• • Robust Intelligence is now part of Cisco[15]

部署方式：Cisco 强调网络层可见性和内联防护，不一定要求开发团队改代码或接入 SDK。它可发现 AI 资产，评估模型风险，并在生产环境中用 guardrails 阻断恶意输入、危险输出和 Agent 特定威胁。

适用场景：大型网络环境、云流量治理、MCP Server 检测、AI 应用上线前红队验证。

6. CrowdStrike：把终端作为 Agent 安全控制点

CrowdStrike 的核心理念是“AI 在哪里执行，安全就在哪里生效”。它认为很多 Agent 最终会在终端、浏览器、SaaS、云工作负载中触发命令、脚本、文件访问和网络连接，因此端点是关键控制面。

关键产品与能力：

• • Falcon AI Detection and Response[16]
• • CrowdStrike Secure Your AI[17]
• • Charlotte AI AgentWorks[18]

部署方式：依托 Falcon 传感器、Falcon 控制台和安全云，发现 Shadow AI、监控 Agent 行为、阻断提示词攻击和敏感数据泄露，并将 AI 事件与终端、身份、云、威胁情报关联。

适用场景：SOC、终端与浏览器侧 Agent 监测、企业员工使用 GenAI 工具治理、自建安全 Agent 工作流。

7. CyberArk 与 Okta：把 Agent 当作“新型非人身份”

身份安全厂商的判断非常明确：Agent 不是普通应用，也不是普通 API Key，而是一类新的机器身份、非人身份和委托身份。

CyberArk 的方案：

• • CyberArk Secure AI Agents[19]
• • CyberArk Secure AI Agents 文档[20]

CyberArk 的核心理念是身份优先、最小权限、零常驻权限。AI Agent Gateway 位于 Agent 与 MCP Server / 工具之间，控制 Agent 何时、以什么权限访问数据库、SaaS、API 和内部资源。

Okta 的方案：

• • Okta for AI Agents[21]
• • Okta for AI Agents GA[22]

Okta 的核心理念是把 Agent 注册为 Universal Directory 中的一等身份，支持发现、登记、授权、短期令牌、访问审查、审计和 kill switch。

部署方式：通常通过身份目录、Agent 注册、短期凭证、MCP / API 访问代理、访问审查流程落地。适合已经有成熟 IAM、PAM、IGA 体系的企业。

适用场景：Agent 访问数据库、工单系统、CRM、ERP、代码仓库、云控制台等高权限资源时。

8. Wiz 与 Tenable：从暴露面管理看 Agent 风险

Wiz 和 Tenable 的共同思路是：不要只看单个提示词，而要看 Agent 所在的云环境、身份权限、数据暴露、配置错误和攻击路径。

Wiz 方案：

• • Wiz AI-SPM[23]
• • Wiz AI Agent Security Best Practices[24]

Wiz 将 AI 服务、模型、数据、SDK、云资源和身份权限纳入 Security Graph，做 AI-BOM、AI-SPM、攻击路径分析和修复工作流。

Tenable 方案：

• • Tenable 收购 Apex Security 相关公告[25]
• • Tenable One[26]

Tenable 通过 AI Aware 与 Apex Security 能力，补强 Shadow AI、AI 使用治理、策略执行和 AI 暴露面管理。

部署方式：以云账号接入、资产发现、配置扫描、权限分析、暴露面建模为主。适合已经使用 CNAPP、CSPM、Exposure Management 的企业。

适用场景：云上 AI 资产盘点、AI 服务误配置治理、Agent 过度授权、训练数据和推理端点暴露风险分析。

9. IBM：从治理、合规与生命周期角度管理 Agent

IBM 的核心理念是“可信 AI 需要治理系统，而不仅是安全检测”。watsonx.governance 面向 AI 资产、风险、合规、策略和审计，适合监管强、流程重的大型组织。

关键产品与能力：

• • IBM watsonx.governance[27]
• • Agentic AI governance, evaluation and lifecycle[28]
• • Agent monitoring and security metrics in watsonx.governance[29]

部署方式：围绕 AI use case 建立登记、评估、审批、监控、合规报告和安全指标面板，并与 Guardium AI Security 等能力联动。

适用场景：金融、保险、政企、制造等需要 AI 合规审计、模型治理、Agent 决策可追溯的行业。

10. HiddenLayer、Check Point / Lakera、NVIDIA：专精型运行时与模型安全能力

这一类厂商更偏“技术组件”或“专精安全层”，常作为大型平台之外的补强。

HiddenLayer：

• • HiddenLayer AI Security Platform[30]
• • 重点能力：AI Discovery、AI Supply Chain Security、Model Scanning、AI Runtime Security、Agentic and MCP Protection。

Check Point / Lakera：

• • Check Point AI Guardrails / Lakera Guard 文档[31]
• • 重点能力：提示词注入检测、数据泄露防护、工具调用检测、Off-Task Action、Tool Allow/Deny List。

NVIDIA NeMo Guardrails：

• • NVIDIA NeMo Guardrails[32]
• • NeMo Guardrails 文档[33]
• • 重点能力：开发者可编程护栏，支持输入、输出、检索、对话、执行、工具调用验证，可作为 Python 库、API Server、容器或 Kubernetes 微服务部署。

适用场景：自研 Agent、模型供应链扫描、MCP 工具调用防护、低代码接入 AI 防火墙、开发阶段安全嵌入。

三、怎么选型：四类企业对应四种路线

如果企业主要在 Azure、AWS、Google Cloud 上建设 AI 应用，优先看云平台原生能力：Microsoft Defender / Purview / Foundry、Amazon Bedrock AgentCore、Google Model Armor。

如果企业已经有成熟安全平台，希望统一管控多云、多模型、多 Agent，优先看 Palo Alto Prisma AIRS、Cisco AI Defense、CrowdStrike Falcon AIDR。

如果最大风险是 Agent 拿着高权限访问数据库、SaaS、MCP 工具和内部 API，优先看 CyberArk、Okta 这类身份优先方案。

如果企业处在 AI 资产爆发期，还不知道有多少模型、数据集、API Key、推理端点和 Agent，优先看 Wiz、Tenable、HiddenLayer 这类 AI-SPM、暴露面管理和模型供应链安全能力。

四、一个更现实的落地架构

企业级智能体安全通常不会是单一产品解决，而是组合架构：

1. 1. 云平台原生能力负责“在哪里运行就在哪里守住基础安全”。
2. 2. 身份平台负责“Agent 到底是谁、能访问什么、何时吊销”。
3. 3. AI 网关负责“模型调用和工具调用统一过策略”。
4. 4. 运行时安全负责“攻击发生时能检测和阻断”。
5. 5. 暴露面管理负责“持续发现影子 AI、误配置和攻击路径”。
6. 6. 治理平台负责“用例、风险、审批、审计和合规报告”。

这也解释了为什么市场上不同厂商看似都在讲 Agent Security，但切入点并不相同：云厂商从开发和运行平台切入，安全平台厂商从流量和运行时切入，身份厂商从非人身份切入，CNAPP / Exposure Management 厂商从资产和攻击路径切入。

五、结语：给自治系统上刹车、方向盘和行车记录仪

Agent 的价值在于可以自主规划、调用工具、完成任务。但对企业安全来说，自主性越强，越需要边界。

未来的智能体安全不会只是一个“提示词过滤器”，而会形成一套组合架构：

• • 身份层：每个 Agent 都有身份、所有者和生命周期。
• • 权限层：访问工具和数据时使用短期、最小权限。
• • 网关层：所有模型调用、工具调用、MCP 请求经过统一控制点。
• • 运行时层：检测提示词注入、数据泄露、越权工具调用和异常行为。
• • 治理层：记录用途、风险、审批、审计和合规证据。

一句话总结：智能体安全不是阻止企业使用 Agent，而是让 Agent 在可见、可控、可审计的轨道上释放生产力。

---

参考链接

[1] Microsoft Foundry 安全与合规: https://learn.microsoft.com/en-us/azure/foundry/control-plane/how-to-manage-compliance-security [2] Microsoft Defender for Cloud AI Security Posture: https://learn.microsoft.com/en-us/azure/defender-for-cloud/ai-security-posture [3] Microsoft Purview 管理 Agent 365 数据安全与合规: https://learn.microsoft.com/en-us/purview/ai-agent-365 [4] Amazon Bedrock AgentCore: https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/what-is-bedrock-agentcore.html [5] AgentCore Policy: https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/policy.html [6] Amazon Bedrock Guardrails: https://aws.amazon.com/bedrock/guardrails/ [7] Google Cloud Model Armor: https://cloud.google.com/security/products/model-armor [8] Model Armor 集成文档: https://docs.cloud.google.com/model-armor/integrations [9] Gemini Enterprise Agent Platform 配置 Model Armor: https://docs.cloud.google.com/gemini-enterprise-agent-platform/govern/configure-model-armor [10] Prisma AIRS: https://www.paloaltonetworks.com/prisma/prisma-ai-runtime-security [11] Prisma AIRS Agent Security: https://www.paloaltonetworks.com/prisma/agent-security [12] Prisma AIRS 文档: https://docs.paloaltonetworks.com/ai-runtime-security [13] Cisco AI Defense: https://www.cisco.com/site/us/en/products/security/ai-defense/index.html [14] Cisco AI Defense Data Sheet: https://www.cisco.com/c/en/us/products/collateral/security/ai-defense/ai-defense-ds.html [15] Robust Intelligence is now part of Cisco: https://www.cisco.com/site/us/en/products/security/ai-defense/robust-intelligence-is-part-of-cisco/index.html [16] Falcon AI Detection and Response: https://www.crowdstrike.com/en-us/platform/falcon-aidr-ai-detection-and-response/ [17] CrowdStrike Secure Your AI: https://www.crowdstrike.com/en-us/solutions/secure-your-ai/ [18] Charlotte AI AgentWorks: https://www.crowdstrike.com/en-us/platform/charlotte-ai/charlotte-ai-agentworks/ [19] CyberArk Secure AI Agents: https://www.cyberark.com/solutions/secure-agentic-ai/ [20] CyberArk Secure AI Agents 文档: https://docs.cyberark.com/admin-space/latest/en/content/secureai/introduction.htm [21] Okta for AI Agents: https://www.okta.com/products/govern-ai-agent-identity/ [22] Okta for AI Agents GA: https://www.okta.com/blog/ai/okta-for-ai-agents-general-availability/ [23] Wiz AI-SPM: https://www.wiz.io/solutions/ai-spm [24] Wiz AI Agent Security Best Practices: https://www.wiz.io/academy/ai-security/ai-agent-security [25] Tenable 收购 Apex Security 相关公告: https://www.tenable.com/press-releases/tenable-announces-intent-to-acquire-apex-security-to-expand-exposure-management-across-the-ai-attack-surface [26] Tenable One: https://www.tenable.com/products/tenable-one [27] IBM watsonx.governance: https://www.ibm.com/products/watsonx-governance [28] Agentic AI governance, evaluation and lifecycle: https://www.ibm.com/new/announcements/agentic-ai-governance-evaluation-and-lifecycle [29] Agent monitoring and security metrics in watsonx.governance: https://www.ibm.com/new/announcements/new-security-metrics-agent-monitoring-and-insights-in-watsonx-governance [30] HiddenLayer AI Security Platform: https://www.hiddenlayer.com/platform [31] Check Point AI Guardrails / Lakera Guard 文档: https://docs.lakera.ai/guard [32] NVIDIA NeMo Guardrails: https://developer.nvidia.com/nemo-guardrails [33] NeMo Guardrails 文档: https://docs.nvidia.com/nemo/guardrails/latest/about/overview.html

---

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：AI简化安全 dimu dimu《全球智能体安全版图：主要国际厂商的方案、理念与部署路径》