网络安全公司Palo Alto Networks Inc.今日发布的最新报告显示,人工智能智能体已迅速成为软件开发中的常见工具,但许多企业无法有效追踪或保障这些智能体在云端的行为安全。

《2026年云安全状况报告》已连续发布六年,本次基于对10个国家2800名安全高管和从业人员的调查。该报告除关注AI在软件构建和部署中的应用方式外,还探讨了企业在出现问题时的响应速度。

调查发现,AI智能体的使用几乎已成为普遍现象,99%的受访者表示他们在开发流程中使用智能体执行自主或半自主操作。约73%的受访者表示智能体被允许修改代码、流水线配置或生产环境,甚至44%的企业让智能体执行安全测试工作。

由此带来的变更量也在增加。约82%的受访者表示AI驱动的开发已增加了进入云端的基础设施更新量,但企业平均只执行了调查中列出的八项部署前安全检查中不到三项。42%的企业使用AI生成基础设施即代码模板,但只有34%的企业会在投入生产前对这些代码进行扫描。

问题随之渗入生产环境也就不足为奇。受访者表示,在90天的周期内,平均有19%的高危和严重级别应用安全问题进入了生产环境。修复代码中发现的安全问题并投入生产平均需要18.4天。

当被问及是什么阻碍了他们在部署前修复问题时,最常见的答案是业务方面要求快速发布的压力,占39%;其次是风险接受政策不明确,占30%。

智能体相关的问责机制也存在问题。五分之二的企业表示无法还原AI智能体的具体操作过程,这一比例在金融服务行业上升至46%,同时53%的受访者表示智能体的活动是以开发者身份或个人访问令牌的名义被记录的。这意味着一旦出现问题,调查人员首先需要分辨哪些操作是人为执行、哪些是智能体执行的,然后才能厘清受影响的范围。

出现问题后撤销访问权限的速度同样缓慢。约60%的企业在撤销非人类身份访问权限时仍需人工干预,撤销或更换被攻破的开发者凭证、API密钥或流水线密钥平均需要2.5天。

数据治理方面也存在自身的问题。近乎全部受访企业(99%)表示在过去一年中发现了环境内存在未受治理的AI,但只有9%的企业能够自动发现并对其进行分类。约40%的受访者表示受治理数据已被复制到未受治理的AI工具中,39%的受访者曾发现敏感或受监管数据未经授权被用于训练或微调模型。

尽管存在这些差距,企业的信心依然很高。几乎所有受访者(97%)表示至少有一定信心能够保障其AI供应链和应用程序的安全,但只有36%的企业能够监控生产环境中的AI行为,仅有30%的企业能够检测提示注入攻击。

报告的最后一部分探讨了前沿AI模型自主发现和利用软件漏洞所带来的威胁。几乎所有受访者(98%)表示对此感到担忧,65%的受访者认为在未来12到18个月内,这将对全球关键基础设施和金融系统构成重大或严峻威胁。公用事业行业将该威胁评为重大或严峻的比例最高,达79%,而电信行业这一比例为48%。

有意思的是,尽管报告中使用了"前沿AI驱动能力"的说法,但报告附录中的调查问题却将其称为"Mythos级"威胁,这是对Anthropic PBC公司Claude Mythos模型的引用。Palo Alto Networks是Anthropic"Glasswing计划"的发起合作伙伴之一,该计划于今年4月让防御方提前获得了Claude Mythos预览版的使用权限。

报告指出,面对以机器速度行动的攻击者,18.4天的修复周期意味着漏洞被发现后企业将暴露超过17天的风险窗口。报告认为,部分问题根源在于工具碎片化,只有19%的企业表示其在代码、云、身份和运行时环节拥有统一的遥测和工作流程。近半数企业(47%)仍需手动将应用漏洞与运行时威胁进行关联分析,这一比例在美国甚至更高,达到55%。

报告最后针对企业在AI智能体承担更多工作的背景下如何保障云环境安全提出了一系列建议。智能体应被赋予各自独立的身份,并设有明确的责任人,且仅拥有完成工作所需的最低权限。安全团队还被建议对重复出现的问题进行自动化修复,但前提是必须先建立回滚机制。

SiliconANGLE