腾讯云构建企业级AI Agent安全框架：应对权限放大与数据泄露风险

AI Agent规模化应用加剧企业安全困境

企业级AI Agent（智能体）的大规模落地，正将传统安全边界推向失效边缘。原有基于“人”的身份与权限边界因Agent的自主行为而扩大，攻击模式从“特征”检测演变为“自然语言”对抗。腾讯云安全解决方案专家张玉峰指出，Agent的自主性导致其行为不可预期，且处理敏感数据时创造了新的泄露途径，对现有安全体系构成严峻挑战。

识别部署环境中的四类核心风险

根据部署环境与数据处理需求，企业级Agent面临差异化的安全威胁。在公有云SaaS环境中，采用私有模型时，核心数据泄露是首要风险；而采用公网模型时，Prompt内容安全与防注入成为关键。在私有云/本地环境中，Agent行为失控、越权操作及删除本地数据的风险最为突出。OWASP于2025年12月发布的GenAI十大安全风险（ASI01-ASI10）系统归纳了目标劫持、工具滥用、身份越权等威胁。

微软案例揭示权限放大与数据外泄隐患

微软Microsoft 365 Copilot漏洞（CVE-2026-26133）是Agent安全风险的典型案例。攻击者通过发送携带隐藏指令的投毒邮件，诱使Agent在总结邮件时泄露用户敏感数据。该事件暴露了三大风险：恶意提示词注入导致目标劫持、检索投毒引发钓鱼授权、以及Agent权限过大且缺乏对外发数据的有效控制，最终造成数据外泄至风险地址。

腾讯云推出“最小代理权限”安全框架

腾讯云提出以“最小代理权限（Least Agency）”为核心原则的安全框架，覆盖身份、网络、运行时、数据与模型五大层面：

• 身份安全：通过企业IDP集成与Agent身份注册，确保权限可控。
• 运行时安全：部署沙箱隔离环境，对Tool Call进行安全检测，并实施实时运行审计。
• 数据安全：集成敏感数据识别与凭据管理模块，阻断非授权外泄。 框架强调根据部署环境（公有云/本地）差异化制定安全优先级，公有云环境以身份权限管控为首要任务，本地环境则优先保障运行时安全。

腾讯云落地方案实现Agent全链路防护

腾讯云可落地的AI Agent安全方案通过安全运行时沙箱与AI Agent安全网关构建防御体系。方案在Agent访问入口部署安全Hook，对模型输入输出进行安全检测，并结合网络白名单与权限隔离技术，确保Agent操作在受控环境中执行。该体系已实现对敏感数据的自动识别与加密托管，有效降低权限放大带来的业务风险。