10 月 14 日至 16 日,国家级 AI 产业标杆盛会 — 2026 人工智能产业大会于山东济南启幕。大会由中国信息通信研究院联合山东省工业和信息化厅、济南市人民政府共同主办,以“加快推进人工智能赋能新型工业化”为主线,围绕自主创新、应用牵引、生态协同、开放共赢、安全可控五大方向集中展示产业创新实践,是业内权威的成果发布与价值认证平台。
会上,“2026 年AIIA人工智能先锋实践”名单正式揭晓,从全国申报的近500个案例中选取30项先锋实践,旨在甄选具有高价值、标杆性和实际应用成效的人工智能典型实践。悬镜安全问境AgentAI凭借AI 原生安全测试解决方案 — 面向 AI 智能体全生命周期安全防护成功入选,同期获评的还有腾讯、华为云、阿里云等国内人工智能领域的领军企业。
大会现场·悬镜荣获2026AIIA人工智能先锋实践
Agentic AI时代,悬镜安全依托问境 AgentAI,以自研安全大模型Sec LLM为技术支撑,融合AI原生深度检测、智能红队验证、AI资产透明化与XSBOM供应链安全情报,构建覆盖Model、Agent、Skill、MCP、Tool等核心要素的多维安全治理体系,为AI智能体规模化应用提供安全支撑。
悬镜·面向AI智能体全生命周期安全防护
1► 从被动响应到原生防御:
AI智能体安全进入全生命周期治理
智能体的任务目标、执行权限与实际行为并非天然一致。 在多轮推理、任务编排及跨工具调用过程中,外部知识、Skill指令与MCP工具描述等非可信内容可能影响智能体的决策路径,使合法业务权限被用于非预期操作,甚至引发跨组件、跨业务系统的风险传导。
与此同时,AI智能体高度依赖开源模型、第三方组件与动态工具生态,其安全风险逐渐与业务执行逻辑、权限配置及供应链依赖关系深度耦合,呈现出三类值得关注的技术特征:
AI智能体三大原生安全风险
01
攻击面:
向AI原生组件及供应链依赖扩展
开源模型、Agent框架、第三方Skill、MCP服务及Tool接口共同构成复杂的AI应用技术栈。恶意组件投毒、Skill后门及MCP配置缺陷等风险,可能通过组件依赖与工具调用关系影响下游业务系统。
02
攻击方式:
向语义操纵与智能体行为劫持演进
提示词注入、工具描述投毒、代理混淆及权限滥用等攻击,可利用模型对非可信内容的理解与执行机制,诱导智能体偏离预期任务,并借助已有权限实施非授权操作。
03
风险状态:
随组件工具生态变化持续演进
模型版本更新、Skill迭代及MCP服务变更,可能引入新的漏洞、恶意依赖或配置风险。仅依赖单次检测结果,难以充分反映AI应用持续变化的安全状态。
AI原生安全的关键,在于将组件安全、任务意图、权限边界与供应链依赖纳入协同分析视角。 企业不仅需要识别独立组件的潜在缺陷,还需要结合动态安全验证与资产情报关联,建立面向智能体复杂交互环境的持续风险治理能力。
2► 问境AgentAI:
面向智能体全生命周期的AI原生安全体系
围绕智能体原生架构与复杂业务场景,悬镜安全依托问境 AgentAI,构建以静态深度检测、AI智能红队验证、AI资产透明化及供应链情报联动为核心的安全能力体系。
该体系以自研安全大模型Sec LLM为技术支撑,结合代码意图一致性分析与深度语义理解,识别AI原生组件及其交互关系中的潜在风险;通过动态安全测试验证复杂攻击场景,并依托AI-BOM与XSBOM供应链情报,实现资产关联、风险溯源与持续预警。
AI原生深度检测:
从组件风险识别深入智能体执行意图
问境 AgentAI 融合静态代码分析、深度语义理解与代码意图一致性分析,针对Model、Agent、Skill、MCP、Tool五大核心要素开展细粒度安全检测:
Model模型安全: 解析模型文件及元数据,识别恶意文件、风险配置与供应链投毒隐患。
Agent智能体安全: 分析智能体源码、任务编排及权限配置,识别过度授权与潜在越权风险。
Skill技能安全: 审查技能实现逻辑,检测硬编码凭据、危险文件操作、参数校验缺陷及代理混淆风险。
MCP协议安全: 检测服务身份认证、传输安全及敏感资源暴露风险,识别匿名访问与不安全配置问题。
Tool工具安全: 分析工具Schema、参数约束及来源可信度,识别工具冒名与潜在注入风险。
依托自研安全大模型Sec LLM的深度语义理解与代码意图一致性分析能力,问境 AgentAI 将代码实现意图、智能体任务编排与工具权限配置纳入统一安全分析体系,深入识别AI原生架构中的语义偏差、权限滥用及信任边界风险,提升复杂智能体场景下的安全风险识别与研判能力。
AI智能红队验证
深入复杂交互链路,验证真实攻击风险
智能体在模型推理、外部输入及工具协同过程中,可能产生难以通过静态规则识别的安全问题。
问境 AgentAI 融合AI智能红队与自动化动态测试能力,围绕模型交互、AI应用接口及MCP工具调用等核心攻击面,开展多维度安全验证。
AI模型动态测试: 针对模型输入输出开展风险场景模拟,验证恶意提示词及异常交互条件下的安全表现。
AI应用动态测试: 结合应用URL指纹识别与关联漏洞检测,发现AI应用框架及相关服务的潜在安全缺陷。
MCP工具链动态测试: 针对MCP服务接口开展安全探测,检测工具列表越权、工具提示词风险及参数校验缺陷。
通过静态深度检测与动态攻击模拟相结合,问境 AgentAI 将组件缺陷识别延伸至复杂交互场景下的风险验证,帮助企业更充分地评估AI应用的实际安全状态。
AI资产透明化治理
建立可追溯的AI供应链依赖关系
AI智能体通常集成多个模型、开发框架、第三方Skill及MCP服务。资产来源、版本信息及依赖关系不透明,将直接影响企业对供应链风险及其影响范围的判断。
问境 AgentAI 结合静态资产解析与动态指纹识别能力,对AI原生组件进行识别和关联,形成标准化AI资产信息。
依托AI-BOM能力,产品支持按照OWASP CycloneDX 1.6规范生成、分发与归档AI资产数据,描述模型元数据、组件信息及相关依赖关系。
通过将分散的AI资产转化为标准化、可审计的数据,问境 AgentAI 为企业开展供应链风险溯源、受影响资产定位与安全审查提供基础支撑。
AI供应链情报联动
动态关联风险资产,支撑持续安全治理
开源模型、第三方Skill及MCP服务的持续更新,使AI应用面临的供应链风险不断变化。企业需要将外部威胁信息与自身实际使用的AI资产建立关联,才能更准确地判断风险影响。
问境AgentAI深度联动悬镜云脉AI供应链安全情报体系,融合开源组件、模型生态及Agent、Skill、MCP专项威胁情报,对检出的AI资产开展风险关联与预警。
依托悬镜安全实验室的AI供应链安全研究积累,产品可结合组件风险信息与资产依赖关系,辅助定位受影响的AI组件及相关应用,为风险研判、修复加固与安全复测提供依据。
通过资产识别、深度检测、动态验证与情报预警协同联动,问境 AgentAI 为企业建立持续更新的AI供应链风险治理机制提供技术支撑。
3►从风险识别到业务可信
AI原生安全重塑企业安全治理范式
企业级智能体的规模化应用,对身份权限、执行行为、审计追踪及动态风险管理提出了更高要求。智能体目标劫持、工具滥用、身份与权限滥用及供应链漏洞等风险表明,AI原生安全的核心不仅在于组件自身的安全性,更在于任务意图、执行权限、工具调用与供应链依赖能否在复杂业务环境中保持可信。
围绕这一核心命题,悬镜安全依托问境AgentAI,融合AI原生深度检测、动态红队验证、AI资产关联与XSBOM供应链情报,形成三大核心治理价值。
问境AgentAI三大核心安全治理价值
01
意图与权限协同
提升智能体业务执行可信度
将Agent任务逻辑、Skill实现代码、MCP服务配置及Tool参数约束纳入统一安全分析视角,结合代码意图一致性分析与深度语义理解,识别任务目标、代码实现与权限配置之间的潜在偏差,降低智能体越权操作及工具滥用风险。
02
资产与风险关联
实现AI供应链风险精准溯源
依托AI-BOM标准化资产管理与组件依赖分析,建立覆盖Model、Agent、Skill、MCP、Tool的AI资产关联关系,将组件漏洞、恶意投毒及配置风险映射至实际业务资产,支撑风险来源追踪、影响范围分析与精准处置。
03
检测与情报联动
支撑AI业务持续可信演进
融合静态语义检测、动态红队验证与XSBOM供应链安全情报,持续关联AI组件安全状态与外部威胁变化,支持新增风险识别、影响分析、修复加固与安全复测,使安全治理适应智能体架构、工具生态及业务逻辑的持续演进。
从智能体执行意图的安全分析,到AI供应链风险的动态关联,再到真实业务场景下的持续验证,悬镜安全以AI原生安全能力贯通智能体全生命周期,推动安全治理从技术风险识别向业务可信保障深化。
以AI原生安全为核心
构筑智能体可信发展
此次荣获2026年AIIA人工智能先锋实践,是对悬镜安全在AI原生安全领域技术创新与产业实践的认可。
立足新一代AI原生安全,悬镜安全坚持“以AI治理AI”的技术理念,依托问境 AgentAI,持续深化智能体安全检测、动态攻防验证与AI供应链安全情报等核心能力,推动安全治理深度融入AI原生架构与业务执行链路。
面向Agentic AI时代,悬镜安全将持续以AI原生安全技术创新为驱动,构建贯穿智能体全生命周期的可信安全体系,赋能人工智能规模化、可信化发展。
参考文献
[1] 中国信息通信研究院.《人工智能安全治理研究报告(2025年)》[R]. 2026.
[2] OWASP Gen AI Security Project. OWASP Top 10 for Agentic Applications 2026[R]. 2025.
[3] 韩涵,王景尧,常天恩. 基于大模型驱动的新型智能体安全软件测试方案研究[J]. 信息通信技术与政策,2026,52(8):74-81.
[4] National Institute of Standards and Technology (NIST). Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile[R]. NIST AI 600-1, 2024.
[5] OWASP / Ecma International. CycloneDX Bill of Materials Specification, Version 1.6[S]. 2024.
最新
推荐站内搜索:最好用的开发软件、免费开源系统、渗透测试工具云盘下载、最新渗透测试资料、最新黑客工具下载……



