员工每天向ChatGPT粘贴多少内部数据？Copilot调用了几次敏感权限？Gemini的会话里有没有异常的API调用？大多数公司答不上来——这不是疏忽，是监控工具的盲区。
Exabeam今天扔出一组新功能，专门解剖AI代理的行为轨迹。覆盖范围直指OpenAI的ChatGPT、微软Copilot、谷歌Gemini这三大流量入口。用他们自己的话说，要把"数字员工"变成可观测的安全数据源。
从聊天机器人到"数字员工"，威胁模型彻底变了
Exabeam首席AI与产品官Steve Wilson有个判断：AI代理正在从简单问答工具进化成能自主执行任务的数字劳动力。它们会登录系统、调用工具、完成业务流程——一旦被攻破，恶意活动看起来和正常工作几乎没区别。
传统的防护思路是堵输入端：拦截恶意提示词、过滤幻觉输出。Wilson认为这不够。"防范提示注入或幻觉的护栏，解决不了数字员工被攻陷后的风险。你需要深度可见性，需要检测细微偏差的基线能力。"
这个判断背后有个数字：Gartner预测到2028年，33%的企业软件应用将包含代理式AI功能。当AI代理像人类员工一样拥有身份凭证和系统权限，内部威胁的边界就彻底模糊了。
5项新能力拆解：从"看见"到"画像"
Exabeam这次更新的核心，是把AI代理的行为数据纳入现有的威胁检测工作流。五项能力分工明确：
AI行为基线建模——动态构建用户及其AI代理的行为档案，追踪请求量、令牌消耗、工具调用、网页会话、出站活动等维度。偏离基线即触发告警，把滥用扼杀在萌芽阶段。
提示词与模型滥用检测——识别提示注入、模型操纵、工具利用等攻击手法。配套的新检测库规模是上一版本的5倍，覆盖提示操纵、影子AI活动等全谱威胁。
身份与权限监控——管控AI代理被允许执行的操作范围，解决"这个代理凭什么能访问财务系统"的权限失控问题。
代理生命周期监控——完整追踪AI代理的创建、修改、使用全流程，填补"谁创建了这个代理、什么时候改的权限"的审计空白。
OWASP Agentic AI Top 10覆盖——将代理行为与开放全球应用安全项目的代理式AI框架对标，给此前缺乏定义标准的威胁类别提供可量化的覆盖度。
一个被忽略的细节：影子AI的治理困境
检测库5倍扩容的背后，Exabeam明确提到了"影子AI活动"。这是个容易被低估的场景：员工用个人账号调用API、绕过审批流程部署代理、在未被IT记录的渠道使用AI工具。
传统安全工具监控的是网络流量和终端行为，但AI代理的活动大量发生在SaaS层——ChatGPT的企业版会话、Copilot的M365集成调用、Gemini的Workspace交互。这些行为的 telemetry 分散在各平台，统一基线几乎不可能。
Exabeam的做法是把代理行为数据直接喂给现有的TDIR（威胁检测、调查与响应）工作流，而不是另起炉灶做一套AI专属SOC。这对已有Exabeam部署的企业意味着更低的迁移成本，但也引出一个问题：不同AI平台的日志格式、事件粒度、保留策略差异巨大，动态基线的准确性能撑到什么程度？
Wilson的回应很直接："当代理被攻陷，活动往往看起来合法。"这句话的潜台词是：行为分析的价值不在于识别已知攻击模式，而在于捕捉"合法但异常"的微妙偏差。比如一个通常只查询公开文档的HR代理，突然开始批量访问薪酬数据库——没有恶意提示词，没有明显的入侵痕迹，但基线会报警。
这次更新还伴随Exabeam New-Scale平台和LogRhythm平台的管理体验优化。具体细节未完全披露，但方向很明确：降低安全分析师的日常操作摩擦。
一个值得玩味的节点是发布时间。4月1日，愚人节。Exabeam选这天发布代理式AI安全方案，是巧合还是刻意？考虑到代理式AI的威胁讨论已经持续两年，产品落地的时间窗口可能比市场感知更紧迫。
最后留个开放的观察点：当AI代理的行为基线建立完成后，谁有权访问这些画像数据？员工与AI的每一次交互都被建模、评分、标记异常——这种可见性的边界，会不会成为下一个合规战场？
热门跟贴