核心观点与关键数据
1. 为什么现在要做AI Agent安全治理？
- 能力演进路径：从信息生成到系统执行的风险升级。
- 场景：接入生产链路（执行层、系统操作与变更阶段、信息检索与生成阶段）。
- 风险：链式放大（从提示词注入升级为越权访问、误执行、静态密钥复用和数据出域）。
- 生态：真实事件（如OpenClaw投毒）暴露明文凭据、恶意Skill/MCP等漏洞。
- 风险升级：从知识泄露转向权限滥用，从内容错误转向系统破坏，从信息层风险转向操作层风险。
2. 真正的风险点在哪里？
- 行动链：入口、身份、凭据、Runtime、数据、网络和审计。
- 危害升级：Agent已进入知识、流程、代码和运维链路，风险从“回答错”升级为“代表组织执行错”。
3. 具体要建设什么？
- 构建立体的“安全笼”，从以下维度建设：
- 01 统一入口与身份：所有请求先统一入口，绑定人、组织和场景。
- 02 凭据与模型网关：工具身份独立，权限按任务与时间签发；模型调用分级接入。
- 03 执行前控制：高危动作执行前先识别发起人和责任边界；外发默认拒绝，白名单放行。
- 04 数据、网络与审计：网络分区隔离，请求级日志与责任链可回放；删除、批量读写、出域等操作告警拦截。
4. 怎样稳妥落地？
- 选取边界清晰场景，用POC验证闭环，再决定如何扩围。
5. 最佳实践（云上部署OpenClaw安全）：
- 定义身份和职责：创建不同角色（如开发助手、个人产品助理），按职责最小授权。
- 开启身份认证：用企业微信OAuth验证用户身份，绑定企业身份。
- 限制部署环境：在云上划分专属VPC网段，白名单网络隔离。
- Runtime意图识别和风险行为拦截：LLM推理防护、数据外泄意图检测、Tools Call检测和高危操作防护、HITL人在回路审批。
- 外部模型接入控制：接入安全网关，配置提示词上下文限制、Token限速、安全审计、敏感数据外发检测。
- 隔离数据访问和凭据获取：通过MCP server访问数据，使用密钥沙盒实现凭据“用后即焚”。
- Skills风险扫描与隔离：深度扫描木马病毒、恶意Payload及提示词注入漏洞。
- 全链路溯源和审计：主机行为层会话审计、对话与工具审计、网络层流量审计和溯源。
6. 腾讯云安全“三位一体”防护架构：
- 宿主层防护：资产识别与风险评估、运行管控与隔离、行为审计。
- Runtime层防护：Tools Call检测、HITL审批机制、LLM推理防护。
- 网络层防护：身份与访问认证、内容合规与敏感数据防护、控制所有进出流量。
研究结论：
- AI Agent安全治理需贯穿其整个“行动链”，构建立体的“安全笼”，从入口、身份、凭据、Runtime、数据、网络和审计等多维度进行建设，并结合云上最佳实践和“三位一体”防护架构实现稳妥落地。
