bevictor伟德官网

当安全造成Agent的内生能力
，那些表挂式的廉价值安全产品会被沉新定价
。

bevictor伟德官网始终以客户业务场景为主题
，率先推出Agent IAM等创新解决规划
，助力企业将安全能力嵌入每一个智能体执行链条
，持续创造可怀抱、可关环的业务价值
。

好多安全从业者最近都有一种说不清的失去感
。

从前二十年
，安全行业每隔几年就有一轮新故事：天堑安全、终端安全、云安全、零信赖、数据安全、攻防演练、态势感知、SOC、勒索防护
。每一轮都有新产品、新预算、新厂商
。

但到了AI Agent这里
，事件有点不一样
。若是未来每个Agent Runtime都内置权限节造、工具挪用审计、敏感信息拦截、行为追踪、战术判断
，那安全厂商还能卖什么

？这是一个很凶残的问题
。

结合行业发展趋向来看
，AI Agent 或将沉塑行业格局
，近半数安全厂商将迎来价值沉估
。尤其是那些靠旁路监测、过后告警、汇报交付、项目人天赢利的公司
，将被市场沉新定价
。

但这并不是说“安全行业没有未来”
。刚好相反
，安全会变得更靠近业务主题
。只是好多传统安全公司的地位会隐没
。从前安全厂商卖的是“看见风险”
，未来真正值钱的是“管住作为”
。

先看从前二十年
。2000年代
，安全萦绕天堑发展
。防火墙、IDS/IPS、VPN、上网行为治理、终端杀毒
，是其时的主流产品


？突虻氖恰鞍衙宓娜说沧　
。

2010年代
，云、移动办公、SaaS、DevOps出来后
，天堑变得疏松
。安全厂商起头卖EDR、WAF、CASB、云安全、缝隙治理、态势感知、SOC


？突虻氖恰拔抑纺睦镉形侍狻
。

2020年以来
，勒索病毒、供给链攻击、身份攻击、数据安全、攻防演练持续推高预算
。但好多产品依然有统一个毛
。悍⑾治侍夂枚
，解决问题很慢
。

安全平台里告警越来越多
，缝隙列表越来越长
，合规汇报越来越厚
。业务方不愿意改
，安全团队只能不休催
。

最后好多安全工作造成一种典礼劳动：看上去很忙
，但风险并没有按比例降落
。而更糟糕的是
，AI Agent会把这个矛盾放大
。

由于Agent不是一个通常利用
。它会读高低文、选工具、调API、写代码、发邮件、改配置、查数据库、创建工单
，甚至编排子Agent
。

它不是“一个系统”
，更像一个会行动的“数字员工”
，若是安全还在旁边看日志
，再等人处置
，速度就跟不上了
，所以平台肯定会把一部门安全能力做进去
。

OpenAI的Agents SDK已经提供Rracing
，纪录LLM Generation、Tool Call、Handoff、Guardrail等事务
；Anthropic的MCP在尺度化AI副手和工具、数据源之间衔接
；Microsoft Entra Agent ID则直接把Agent当成沉要身份、性命周期、接见节造和治理的对象
。

这注明一件事：安全能力在进入Agent平台内部
，这会吞掉五类廉价值产品：

1.只过滤提醒词（Prompt）的LLM防火墙
；

2.只做内容审核的AI安全网关
；

3.只看输入输出、不碰权限和工具挪用的检测工具
；

4.把老SOC、老SIEM、老SAST换个AI名字的产品
；

5.不能进入开发、部署、运行链路的征询式平台
。

这些器材不是齐全没用
，而是会变便宜
，便宜到很难撑起一家高毛利安全公司
。

这也是另一个常被忽略的事实
。平台会做安全
，不代表企业就不必要安全厂商
，原因很单一：企业不是只用一个平台
。

一个真实企衣凤
，可能同时有Microsoft Copilot、OpenAI API、Claude、Gemini、阿里云百炼、火山方舟、内部大模型、几个SaaS Agent、十几个自研Agent、几十个MCP Server
。

它们还会衔接传统IAM、数据湖、CRM、ERP、代码仓库、工单系统、出产数据库
。每个平台城市说自己安全
，

CISO要回覆的是下面七个问题：

1．公司此刻到底有几多Agent

？

2．哪些是官方的
，哪些是员工自己接的

？

3．哪些Agent能读客户数据、财政数据、代码和出产配置

？

4．哪些Agent拿着持久Token

？

5．哪些MCP Server露出了高危作为

？

6．某个Agent为什么删除了一批记录

？

7．出过后
，能不能证明责任链

？

平台内生安全更多解决“平台内部怎么安全”
，而企业必要的是跨平台、跨身份、跨数据、跨作为的总账
。

这就是安全厂商还有机遇的处所
，目前
，安全厂商还有五大块机遇
。

Agent IAM 是当前确定性最高的发展赛路
。AI Agent会造成一种新的非人身份
，它不是通常Service Account
。通常Service Account通常执行固定工作
，而Agent会在运行时选择作为、组合工具
，甚至创建子工作
。

传统IAM管人
，PAM管特权账号
，机械身份治理（NHI）管证书和Token
，Agent把这些问题混在了一路
。

CSA在2026年关于非人身份治理的白皮书里提到
，企衣凤的非人身份均匀已经是人类身份的45倍
，云原生环境可到144倍
。

Agentic AI会让这个问题更麻烦
，由于Agent会动态获取权限、挪用表部API、编排子Agent、写代码、执行代码
。

所以安全厂商的第一块机遇不是“给Agent发一个账号”
，

而是关注以下七件事：

1．Agent注册、归属、所有者和用处注明
；

2．Agent身份和人类身份的绑定关系
；

3．最幼权限授权
；

4．一时权限和零常驻特权
；

5．Token、Secret、API key的轮换和回收
；

6．Agent拔除、版本调换后的权限算帐
；

7．异常Agent行为检测
。

Microsoft已经把Agent ID放进Entra和Agent 365
，大平台已经看到了这块价值
。独立安全厂商的机遇在于跨云、跨模型、跨 SaaS的中立层
，前提是产品必须接入真实身份系统和真实授权流程
。

只做一张“Agent资产清单”
，不够
。

好多人会商AI安全
，第一反映是提醒词注入（Prompt Injection）
。这当然沉要
，但Agent真正造成损失
，往往不是由于它说了什么
，而是由于它做了什么
。

OWASP 2025 LLM Top 10 里有一个风险叫过度代理行为（Excessive Agency）
，道理很直白：过多职能、过多权限、过多自治
。好比一个正本只该读文档的Agent
，却拿到了批改和删除文档的权限
；一个该代表单个用户接见文件的扩大
，却用了高权限通用账号
。

这类风险不是靠“提醒词写得更安全”就能解决的
。安全厂商应该站在Agent和工具之间
，做Agent Action Gateway（智能体行为网关）
，

提供以下七种能力：

1．Tool Call前的战术判断
；

2．MCP Server风险评级
；

3．高危作为的人审
；

4．参数级此外权限节造
；

5．写操作、删除操作、表发操作的强造二次确认
；

6．数据出境、敏感字段、客户信息的拦截
；

7．每次作为的署名、日志和回放
。

这种产品思路更像支付行业的风控
，不像传统WAF
。WAF判断一个要求是不是攻击
，Agent Action Gateway要判断的是：这次作为在这个高低文里该不该产生
。

这件事会很难
，由于它要求厂商同时懂IAM、API网关、数据安全、审计、业务语义和Agent Runtime
，只懂大模型提醒词是不够的
。

但也正因作难
，这里才可能有壁垒
。

传统资产治理已经够复杂了
，云资源、容器、SaaS、API、证书、开源组件
，时时都管不清
。

Agent进来后
，资产问题会更乱
，由于Agent不是静态资产
，它可能由业务部门创建
，可能接了幼我Token
，可能挪用Unofficial MCP Server（非官方MCP服务端）
，可能把内部知识库接到表部模型上
，可能持久无人守护但依然占有权限
。

所以会出现一类新产品：智能体态势治理（Agent Posture Management）
，别把它做成美丽的Dashboard（仪表盘）
，

它应该回覆以下四个问题：

1．发现：企业有哪些Agent、Workflow、MCP Server、工具衔接、向量库和模型挪用

？

2．权限：它们能接见什么、能挪用什么、能写入哪里

？

3．风险：哪些Agent露出在公网、使用弱认证、占有过大权限、接入敏感数据

？

4．建复：能否自动降权、撤除Token、隔离工具、要求Owner复核

？

这类产品会和CNAPP、DSPM、SSPM、ASM、IAM打架
，也可能被它们消融
。独立厂商要想活下来
，必须比大平台更快接入多模型、多云、多SaaS场景
。

Agent的天堑
，不重要由模型决定
，而由数据决定：它能检索什么知识库

？能读哪些表

？能看到哪些字段

？向量库里有没有客户隐衷、源代码、合同条款、内部流程

？检索了局是否做了权限过滤

？Embedding数据是否被投毒

？回覆里是否泄露了不该泄露的高低文

？

IBM 2025年数据泄露汇报里有这样一组数据：产生AI有关安全事务的组织里
，97%短缺适当的AI接见节造
；63%短缺AI治理政策
。

IBM还给出全球均匀数据泄露成本为440万美元
，宽泛使用安全AI和自动化的组织相比分歧的组织
，均匀节俭190万美元
。

这注明安全预算不会只流向“模型安全”
，

更大的钱会流向数据安全：

1．AI数据分类分级
；

2．RAG检索授权
；

3．向量库权限和血缘
；

4．敏感数据脱敏、加密、遮蔽
；

5．数据使用审计
；

6．Prompt和检索高低文的泄露检测
；

7．AI-Ready Data的安全治理
。

在中国市场
，这块会更敏感
。IDC预测中国数据安全市场到2028年投资规模达173亿元人民币
，复合增长率16.7%
。

相比传统硬件安全
，数据安全更靠近业务
，也更容易和AI落地绑定
。

未来每个业务团队都可能造Agent
，但大无数团队不会知路自己的Agent在什么前提下会越权、泄露、被诱导、误删数据
。

所以
，Agent安全评测会造成上线前的必备流程
。这有点像以前的渗入测试、代码扫描、合规测评
，但不能只靠问答测试
，

它要测以下九种行为：

1．间接Prompt Injection
；

2．RAG投毒
；

3．工具参数传染
；

4．跨用户越权
；

5．高危作为误触发
；

6．多轮高低文诱导
；

7．子Agent权限扩散
；

8．模型幻觉导致的谬误执行
；

9．供给链和MCP Server风险
。

NIST AI RMF和天生式AI Profile已经把 AI风险治理、治理、预部署测试、内容溯源、事务披露放进框架
。未来监管不会只问“有没有效AI”
，而会问“上线前测过什么
，运行中怎么监控
，出过后怎么披露”
。

安全厂商若能将 Agent 安全评测深度融入 CI/CD 流程
，将迎来可观的市场机缘
；但若是仅单纯搭建越狱提醒词库发展基础检测
，有关能力很快就会被主流平台及开源工具所代替
。

有一个反行业共识的判断：AI 并不会为所有安全企业带来发展盈利
，不少厂商终将被市场裁减
。

第一类是卖“AI安全副手”的厂商
。它们把大模型接到日志、告警、缝隙库上
，做提要、问答、汇报天生
。这能提高效能
，但壁垒很薄
，由于SIEM厂商、云厂商、EDR厂商、ITSM厂商城市内置
。

第二类是卖“LLM防火墙”的厂商
。若是只过滤Prompt、拦敏感词、做内容分类
，价值会越来越低
。由于平台会内置、开源会补上
，客户也不愿意为一个旁路文本过滤器付太多钱
。

第三类是传统项目型公司


？亢瞎妗⒆こ　⒈ū怼⑷颂於哑鹄吹氖杖
，在AI时期会更吃力
。由于客户会问一个凶残的问题：既然AI能自动扫描、天生汇报、分诊告警
，为什么还要为低水平人天付费

？

第四类是进不了执行链路的厂商
。它们能看见风险
，但不能降权、不能阻断、不能审批、不能回滚
，未来这种产品会被归为“建议系统”
。建议系统会好多
，也会很便宜
。

更可能赢得安全厂商
，会有以下几个共同点
。

一、它们能接到真正执行调换的链路
，而不是只做旁路观察
。能接入IAM、MCP、API Gateway、数据目录、CI/CD、工单和审计系统
。

二、它们能跨平台
。客户不会只用一家模型厂商
，也不会只用一个Agent Builder
，因而中立节造平面依然有价值
。

三、它们能理解业务作为
。删除文件、发邮件、改权限、调拨资金、批改出产配置
，在分歧业务里风险分歧
，只靠通用规定是不够的
。

四、它们能把事件办完
。发现风险以来
，能够自动降权、阻断、审批、回滚
，至少要把建复作为推动到业务系统里
。

五、它们能证明了局
。安全行业持久被诟病的一点是卖震惊、卖堆料、卖合规
。AI时期客户会更看沉：削减了几多高危权限

？阻断了几多异常作为

？缩短了几多响应功夫

？少露出了几多敏感数据

？

一句话：未来的安全厂商
，不应该再问：“我能检测什么风险

？”
，而应该问：“我能管住哪个作为

？”
。

中国市场会更复杂
。一方面
，传统安全预算承压
，硬件市场低迷
，政企项目付款周期长
，好多厂商从前靠合规和项目造增长
，此刻这套逻辑没那么顺了
。IDC数据显示
，中国网络安全市场仍会增长
，预计从2023年110亿美元到2028年171亿美元
，五年复合增长率9.2%
，但增长不是均匀分配
。

另一方面
，中国企业对数据安全、国产化、私有化部署、政企大模型、行业Agent的需要会很强
。尤其是金融、能源、运营商、造作、当局这些行业
，不太可能把主题数据和关键作为齐全交给公有云Agent
。

这里会必要本地化、行业化、可审计的Agent安全规划
，

中国厂商的机遇可能在以下三个方面：

1．政企和行业私有化Agent的身份、工具、数据治理
；

2．数据安全和AI-Ready Data的结合
；

3．面向国产模型、国产云、国产办公和行业系统的Agent安全节造平面
。

但风险也很大：若是安全厂商只做表围职能
，那么很快会被云厂商、大模型平台和办公套件平台挤压
。

当安全内化为智能体的原生能力
，性质上是对传统安全价值逻辑的沉构与升维
。bevictor伟德官网以AI原生安全理想为牵引
，以客户业务场景为锚点
，依附数据安全、身份安全、安全运营三大基石
，面向AI时期推出智能体身份治理（Agent IAM）解决规划
。

该规划构建起覆盖身份、工具、数据与作为的全链路智能安全节造平面
，实现跨平台、跨模型的统一权限治理与行为管控
，真正将零信赖细粒度的管控能力贯通每一次智能体挪用
。