当Agent开始办公提效，谁来管控数据外泄问题？

腾讯安全

2026年10月23日 15:42
广东

去阅读

传统的数据防泄漏（DLP），防的是“人”：员工有意或无意地把敏感文件发出去。这类事件相对低频，基于特征匹配的检测方式基本够用。

Agent加入日常工作之后，情况变了。Agent执行任务时会大量读取、处理文件，大模型本身的工作也会碰触敏感内容，敏感文件的触碰从低频事件变成了高频事件。事件量上来之后，基于特征的检测模式暴露出三个问题：误报漏报增多，告警数量海量，检测还要消耗大量终端性能，很难真正落地。

腾讯iOA在已有数据防泄漏能力的基础上，结合与腾讯内部Agent产品的合作，针对Agent的工作原理和执行过程做了适配优化，涉及外发识别、告警压缩、终端性能和风险响应四个方面。

01外发识别：看清Agent发了什么、发给了谁

只知道“有文件发出”还不够，安全运营还需要知道Agent为什么发、发给了谁。

iOA 采用端云结合的方案，把“采集 → 识别 → 判定 → 运营”串成一条完整链路，精确识别每一起外发事件：

（1）Agent插件：iOA已针对不同的Agent适配多种Agent插件，借助Agent自身的机制，获取Prompt、工具调用等原始信息；系统底层驱动采集进程、文件、网络三类数据，全程监控Agent行为

（2）端云语义识别：自研语义引擎端云结合，行为与外发目标同时识别——不只看“有没有发”，还看“发的是什么、要发给谁”。

（3）精确判定：判定Agent意图，从内容、目标、通道三个维度定位外发事件。

（4）运营研判：结果进入DLP安全运营，辅助企业管理员进一步研判后闭环处置。

02告警压缩：只对真正的用户文件告警，再做聚合

审计是企业最常用的场景，部分企业甚至要求全量审计。但Agent的行为难以预期，即使外发事件获取得再精确，审计日志依然会非常庞大。

iOA从两步压低告警量。第一步，通过客户端监控还原并记录Agent的完整行为，从中识别出真正的用户文件再告警，从源头避免海量日志的产生。

第二步，在后台对日志进行智能聚合。经过前面的处理，Agent的安全事件已经大幅减少，但与人的操作相比，仍然不在一个量级，聚合可以进一步减少事件条目，降低安全运营的压力。

在某制造业客户的实际环境中，单日iOA记录了13万+条数据外泄日志，聚合后减少到500+条告警记录，降幅约99.6%。真正外发的文件都保留在告警中，管理员的审计和处理效率大幅提升。

03终端性能：Agent繁忙时，资源占用依然很低

安全、效率与性能的权衡，是终端安全一个永恒的话题。Agent自动工作时，本身对设备性能的要求就更高，如何在不影响员工和Agent工作的前提下完成安全检查，是新的挑战。

iOA通过智能识别、自适应、缓存等技术手段，平衡安全检查与性能损耗，在Agent环境下也能完整进行内容识别，不会被感知到卡顿。经测试，Agent繁忙工作时，CPU平均使用率低于1%，内存占用低于80MB。

04风险响应：拦截后告知Agent原因，不再反复重试

传统DLP拦截文件外发时，只是把外发动作拦下来，并不会告诉Agent是什么原因。Agent只看到上传失败，以为自己没有完成任务，就会换各种方式反复重试，造成Token的无效消耗。

iOA通过插件机制，可以更精准地掌握Agent的整个执行过程。拦截发生后，Agent能够知道这是安全策略的拦截，不再反复重试。既守住了数据安全，也避免了无效重试带来的Token浪费，降低企业成本。

和基于特征的传统DLP相比

覆盖更多Agent，持续演进

iOA以腾讯WorkBuddy为起点，已经拓展适配WorkBuddy、Cursor、ChatGPT、Claude Code多款主流Agent，覆盖范围仍在继续扩大。

Agent让敏感文件的触碰从偶发变成常态，数据防泄漏要继续有效，就得跟着Agent的工作方式一起变。后续，iOA将持续优化并提供更多AI Agent安全能力，同时把 AI 能力融入iOA自身，不断提升产品能力和使用体验。

如需了解iOA数据防泄漏方案，可扫描下方二维码提交需求，我们会尽快联系您。