AI Native安全运营需要同时管理智能体风险与处置效率
企业全面使用智能体后，风险不只来自模型输出，还来自身份、数据、工具和操作权限。安全团队需要先看见环境中的智能体，再约束其可访问资源和可执行动作。与此同时，AI可以辅助完成告警分析、事件归并和处置建议，但关键决策仍应保留专家监督与人工确认。
BRIEF / 内容提要
事件与背景
360提出以威胁管控和运营提效为两条主线：既要识别企业内部智能体及其权限，也要用智能体辅助告警研判、事件处置和多智能体协同。
ASSESSMENT / 风险研判
影响与判断
AI Native安全运营的关键不是扩大自动化比例，而是明确哪些判断可以交给智能体、哪些动作必须由人确认。影子智能体、共享身份和过宽工具权限会带来新的盲区；未经验证的自动处置还可能放大误判。企业应以可见、可控、可审计为前提逐步引入智能体，让效率提升建立在稳定治理之上。
KEY POINTS / 关注重点
需要关注的信息
- 实践以威胁治理和运营提效为两条主线，分别管控智能体风险与提升处置效率。
- 企业智能体数量和能力增长速度可能超过安全团队，影子智能体及越权操作需重点关注。
- 智能体可参与告警研判和协同处置，但高风险决策仍需要专家监督和可追溯记录。
VERIFICATION / 核验清单
建议优先确认
- 确认安全运营平台中每个智能体的任务范围、数据权限和可执行动作是否有清单。
- 抽查智能体研判与人工结论的偏差，识别误报、漏报和证据不足的典型场景。
- 验证封禁账号、隔离主机等高影响动作是否设置人工确认及快速撤销能力。
ACTION / 应对建议
企业可采取的措施
- 统一登记企业智能体、模型、所有者、数据范围、工具权限和运行位置。
- 为智能体建立独立身份、最小权限、凭证轮换、操作审计和紧急停用能力。
- 先在低风险告警分析场景验证效果，再逐步扩展到自动处置和跨系统协同。