大模型与智能体在赋能产业的同时，也带来了前所未有的安全挑战。传统的防护手段已难以应对认知安全、数据泄露等新型风险。本文深入探讨了智能时代安全态势的演变，揭示了产业在构建新安全底座时所面临的核心痛点，并系统性地呈现了涵盖全周期防护、标准体系构建与生态协同的系统性解决方案，为企业在AI浪潮中行稳致远提供了清晰的实践路径。
智能速览
AI安全风险已从网络层面扩展至认知与决策层面。
未知漏洞和攻击者利用AI是对抗的核心痛点。
构建安全底座需实现全周期覆盖和一体化防护。
行业标准的制定需兼顾普适性与领域特殊性。
AI原生安全技术正推动安全范式向动态防御演进。
精华内容
面对大模型带来的复杂风险，单一环节的被动防御已成过去时。产业需要从底层逻辑重构安全体系，构建一个能覆盖全生命周期、适应动态威胁的智能安全新底座。
安全新态势
大模型与智能体的普及，将系统安全、信息安全、内容安全乃至决策安全暴露在更多风险之中。传统安全更多关注漏洞攻击后的获利，而AI时代的安全威胁更侧重于认知层面，风险可能影响内容生成、商业决策乃至AI应用本身，其危害性、对抗性和伪装性被显著放大。
当前安全防护最大的痛点在于“未知”。大模型作为新兴技术，在快速迭代中会产生前所未见的漏洞，如微软Copilot曾发生重大数据泄露。同时，攻击者正利用大模型提升攻击效率，单纯依靠人工已难以实现全面防护。此外，标准化体系建设与技术迭代的节奏存在不匹配，也导致部分企业安全准备不足。
构筑安全底座
针对新挑战，产业需要打造与时俱进的安全底座。腾讯云的实践采用网关形式，为应用运行和对外交互“把关”，其核心能力包括：一是统一身份认证与访问控制，为所有对接的智能体或大模型提供身份认证和风险控制；二是输入控制能力，检查并过滤恶意提示词，防范注入、越狱等风险；三是输出内容控制，防止涉政、暴恐、偏见内容及敏感数据泄露。
从更宏观的视角看，安全的智能底座可被视为一个“智能安全操作系统”，需要从三方面构建：一是保障模型本身及其运行环境的安全；二是具备对交互过程的实时检测与风险防范能力；三是对大模型进行有效的权限管控与行为约束，防止突破或越界。
体系与生态协同
单一环节的修补已无法应对长链条的数字技术风险，构建覆盖全生命周期的成熟标准体系是提升整体安全能力的前提。中国信通院正探索一套“事前主动嵌入、事中实时检测、事后精准溯源”的标准化体系。
标准制定需在技术创新与安全合规间找到平衡点，既要避免过于粗泛导致企业难以落地，也要防止过细影响创新。建议在通用行业规范基础上，面向金融、互联网等不同领域进行细化。安全生态的构筑需要云厂商、行业用户、标准机构及科研院所等多方通力合作，共同推动AI安全能力的纵深发展与产业协同。
未来安全技术
随着智能体应用日益普及，新的安全技术需求不断涌现。未来安全技术的重点将包括：智能体的轻量级认证与管理协议、对智能体访问资源与数据的行为监控，以及建立智能体黑/白名单机制以增强管控。
AI原生安全也成为重要方向，它正推动安全技术范式发生三大变化：从静态规则防御转向动态主动防御，利用AI挖掘潜藏风险线索，强化安全运营效率。例如，腾讯已引入大模型降低代码检测误报率，并通过智能体实现自动化安全运营分析，充分展现了AI在提效安全运维方面的巨大潜力。
AI安全的构建是一场持久战，需要技术创新、标准完善与生态共建的共同驱动。随着智能体的普及，安全防护也将持续进化。企业唯有提前布局，将安全融入基因，方能真正释放AI的潜能，在未来的竞争中立于不败之地。未来的安全边界将如何定义？
