共计 1482 个字符，预计需要花费 4 分钟才能阅读完成。
人手一个 ” 龙虾 ” 的时代, 谁来管住失控的 AI?
AI Agent 爆发之年, 我们卡在了安全这一关。
AI Agent 正迎来爆发之年, 但狂欢背后 , 一场安全危机已悄然逼近。当人人都能拥有一个名为“龙虾”的智能助手时, 谁来管住它可能失控的“钳子”?
📌 从聊天机器人到“数字员工”: 安全逻辑的根本转变
过去一年, 开源 AI 智能体框架 OpenClaw(因其红色龙虾图标被昵称为“龙虾”) 在技术社区迅速走红 。它不再是被动回答问题的聊天机器人, 而是能自主调用工具、访问资源、执行复杂任务的“数字员工”。
这种能力跃升带来了全新的安全挑战。 行业专家指出 ,AI Agent 本质上是一个“不会疲倦、会自动化执行的超级用户”。一旦在终端上被攻破, 攻击者就能获得完整的电脑权限, 进而横向渗透到整个企业网络, 数据外泄风险极高。
“过去我们盯的是用户是谁, 现在我们可能还要盯 AI Agent 在替谁行动, 它具备什么样的能力, 它执行的动作有没有偏离它的原始意图。”
安全建设的重心因此发生了根本转移:
- 从防入侵到防越权 : 许多风险不再是传统意义上的“黑进来了”, 而是授权过多导致的边界失控
- 从保设备到保数据 : 即使设备未被直接攻破, 数据也可能在正常业务流程中被带出
- 个人端风险加剧 :PC 端权限天然开放, 移动端远程操控 PC 端 Agent 时风险更大
🔍 Skill 供应链: 隐蔽的“暗雷”
如果说权限失控是明面上的风险, 那么 Skill 插件的供应链投毒就是更隐蔽的威胁 。OpenClaw 的能力扩展高度依赖第三方 Skill 插件——处理 PDF、查询天气、对接企业系统都需要相应插件。
问题在于, 这些插件大部分来自第三方开发者 , 安全审核机制尚不完善。攻击者可以将恶意文件伪装成正常的 Skill 插件, 普通用户甚至企业员工都很难辨别。
更棘手的是, 这类攻击绕过了传统的检测手段 。安全专家坦言:“Skills 的安全性, 因为它里面有提示词、脚本, 传统的基于规则特征检测的能力很难应对。”不过, 各家安全厂商正在持续迭代针对 Skill 的安全检测方案。
💡 企业态度分化: 禁用还是管控?
面对 AI Agent 的安全风险, 不同行业的企业表现出明显差异:
- 金融行业 : 态度最为谨慎, 往往选择直接禁用
- 互联网中型客户 : 更倾向于快速沟通企业级安全沙箱方案
- 其他行业 : 在精细化场景管控和安全沙箱之间寻求平衡
值得注意的是, 安全预算的来源也发生了变化 。业务部门成为主要推动者, 用户在购买企业版 AI Agent 时, 往往希望将安全方案一并纳入——这与过去安全部门主导采购的模式有所不同。
📊 安全终局: 无感防护与 AI 治 AI
很多人担心安全防护会牺牲 AI Agent 的使用体验 , 但这本质上是个伪命题。理想的安全应该是“无处不在, 但你却感受不到它的存在”。随着技术发展, 某些风险边界会默认被关闭, 用户将逐渐习惯在安全框架内使用这些工具。
与此同时,AI 本身正在成为最好的安全工具 。针对 Skill 安全中传统规则检测难以应对的提示词和脚本风险, 安全厂商已经开始将 AI 能力集成到云端和 C 端产品中。“AI 治理 AI”正在从概念走向落地。
随着 token 单价持续下降,AI Agent 的使用成本将越来越低 , 普及速度会进一步加快——这也意味着安全防护的需求将更加迫切。一场围绕 AI Agent 安全的长跑才刚刚开始。
🚀 实用安全指南: 给“养虾”人士的建议
🧭 企业用户需注意
- 权限最小化 : 只开放必要的访问权限, 尽量避免写权限
- 网络隔离 : 限制 Agent 访问范围, 避免触及不该访问的内网服务
- 先测试再上线 : 新部署的 Agent 先在隔离环境验证
- 全流程审计 : 对 Agent 所有操作留痕, 定期安全审计
