AI接触企业核心数据，如何做到看得见、管得住、控得住、能追溯？|agent|代码|数据要素|核心数据|知识库|调用

新钛云服已累计为您分享918篇技术干货

2026年6月，哈工大威海网信办发布的一则网络安全警示案例提到，2025年以来，多地网信部门在企业安全检查中发现，某新能源科技公司研发人员为快速生成技术报告，将包含电池核心配方参数的文档上传至非官方AI工具。经溯源，部分参数流入行业竞争企业，造成公司潜在经济损失超千万元。

员工并不是想泄密，只是想让AI帮自己提高效率。问题恰恰在这里，过去泄露核心资料，往往还要发邮件、传网盘、拷U盘。现在，把文件拖进AI，一次看起来正常的办公操作，就可能完成敏感数据外发。

2025年7月，美国《WIRED》披露，安全研究人员发现麦当劳使用的AI招聘系统McHire存在弱口令和访问控制漏洞。研究人员可以访问求职者与AI助手Olivia的聊天记录，以及姓名、邮箱、电话号码等个人信息，相关记录编号已经达到约6400万。

麦当劳事件暴露的是另一类风险。AI一旦真正进入招聘、客服、销售等业务，就会持续接触并沉淀大量数据。AI不只是一个新的数据出口，它背后的系统本身，也可能逐渐变成一个巨大的敏感数据池。

2025年8月，Salesloft旗下Drift发生供应链安全事件。Cloudflare后续披露，攻击者获得Drift与Salesforce集成使用的OAuth凭据后，进入其Salesforce环境并导出了客户支持数据。由于工单中可能包含Token、密码等敏感信息，Cloudflare最终轮换了104个API Token，并通知受影响客户。

这个事件比前两个又往前走了一步。员工没有主动上传文件，AI应用因为业务需要，本身已经拥有了访问企业系统的权限。当AI开始连接CRM、邮箱、网盘、知识库和代码库以后，风险已经不只是“员工给了AI什么”，而是“AI自己能看到什么”。

三个事件放在一起，揭示出一个问题，AI离企业核心数据越来越近，企业该如何把风险管住？

PART 01

AI显著提升了效率，

同时有巨大数据泄露风险

AI正在快速进入企业。研发用AI写代码、查问题，销售用AI整理方案，市场用AI生成内容，HR用AI筛选简历，普通员工也会把文档交给AI总结。很多过去需要几个小时完成的工作，现在可能几十分钟就能完成。

但效率越高，AI接触的数据也越多。

过去企业的数据安全边界相对清楚。邮件、网盘、即时通讯、U盘、浏览器上传，都是明确的数据出口，只要把这些通道管住，再配合账号权限、终端安全和数据防泄露，就能形成一套相对成熟的管理体系。

AI把这条边界打乱了。

今天可能是员工主动把合同、代码、研发资料交给AI。明天可能是AI自动读取本地文件。再往后，Agent甚至可以直接访问邮箱、CRM、知识库、代码仓库，并调用工具执行任务。

所以，企业面对的已经不只是“多了一个新的数据出口”。

AI正在从一个工具，逐渐变成一个新的数据访问主体。

一旦AI拥有账号、权限和业务系统连接，它能够接触的数据越多，可能造成的风险也就越大。

AI带来的效率是真实的，但数据泄露风险同样是真实的。

PART 02

用AI，

要解决看得见、管得住、

控得住、能追溯四个问题

企业不可能因为担心风险，就不用AI。

真正的问题是AI进入企业以后，能不能被纳入现有的安全管理体系。

首先是看得见。

企业到底有哪些人在使用AI？用了哪些AI？是ChatGPT、豆包、Claude，还是Cursor、Claude Code、各种IDE插件和Agent？如果连内部有哪些AI都不知道，后面的管理就无从谈起。

第二是管得住。

哪些数据可以交给AI，哪些数据绝对不能？源代码、客户资料、核心配方、设计图纸、财务数据进入AI时，企业能不能识别、告警，必要时直接阻断？

第三是控得住。

这里管的不是员工，而是AI的权限。AI能访问哪些邮箱、网盘、CRM、知识库和代码库？Agent可以调用哪些工具、读取哪些文件、执行哪些命令？

未来AI安全真正难管的，很可能不是“员工上传了什么”，而是AI已经被授权看到了什么，又被允许做什么。

第四是能追溯。

谁用了哪个AI，AI访问了什么数据，调用了什么系统，执行了什么动作？如果发生异常，企业必须能够还原整个过程，而不是出了事情以后才发现没有记录。

所以，企业做AI安全，首先要解决四个问题：

看得见、管得住、控得住、能追溯。

真正可行的方式，是把AI纳入企业原有的安全体系，而不是简单把AI封掉。

目前，飞连解决了这些问题。

PART 03

飞连，

让AI使用看得见、

管得住、控得住、能追溯

飞连是字节集团出品的办公网一站式安全管理产品，对AI安全管理是重点的功能之一。

第一，看得见，先搞清楚企业到底用了多少AI。

飞连已经覆盖250+ GenAI应用，可以发现企业内部AI应用使用情况。在Agent场景下，还可以进一步盘点终端上的AI软件资产、Skill等新型AI组件。换句话说，企业看到的不再只是“有人访问了ChatGPT”，而是逐步看到网页AI、桌面AI、Coding Agent以及Agent扩展组件。

这一步解决的其实就是现在越来越普遍的Shadow AI问题。员工通过个人账号、浏览器、IDE插件甚至自己安装的Agent使用AI，如果企业连这些资产都不知道，后面的数据安全和权限控制都无从谈起。

第二，管得住，不是简单封AI，而是管住进入AI的数据。

飞连原有的数据防泄露能力，可以识别代码、图纸、敏感文字等企业数据，并结合人员、终端和数据外发通道进行审计和阻断。飞连官方的数据安全方案还支持实时、落盘、全盘扫描，并能够基于文件来源、名称、大小、内容、类型识别终端敏感数据。

放到AI场景中，这套思路就从“能不能访问这个AI网站”进一步变成“什么数据能不能交给AI”。普通内容可以正常使用AI，但如果员工准备把核心代码、客户资料或者敏感文件交给外部AI，企业需要能够在数据真正出去之前发现并采取动作。

第三，控得住，真正控制AI能访问什么、能执行什么。

这是AI进入Agent阶段以后最关键的一层。

传统AI主要是聊天，Agent却可以读写文件、调用API、访问网络，甚至获得CLI命令行权限。飞连最新的ADR方案已经把控制点延伸到Agent执行链路，端侧可以对文件、进程和高危行为建立行为护栏；网侧可以限制Agent的网络访问，并对CLI权限进行精细化管控。同时还支持恶意Skill下载拦截、提示词注入和高危行为检测。

这一点和“管得住”有本质区别。

管得住解决的是，数据能不能给AI。

控得住解决的是，AI拿到权限以后，到底能做什么。

飞连本身又有身份、零信任和应用访问控制底座，产品能力包括按需授予权限、API路径级动态授权，以及风险终端的应用和网络访问权限收敛。AI和Agent的权限控制，因此可以继续建立在企业已有身份和访问控制体系之上。

第四，能追溯，出了问题，要知道数据是怎么出去的。

飞连的数据安全能力可以把终端与员工身份关联起来，记录企业敏感数据的流转过程。在Agent场景下，又增加了LLM对话内容审计和Agent行为分析。这样出现异常以后，不只是知道“发生了一次泄密”，还可以继续向前追踪，谁在使用、什么设备、访问了什么数据、通过什么AI或Agent执行了什么操作。