企业安全

安全团队过去只盯人和服务器，而如今许多公司最新的员工既不是人也不是服务器，却带着凭证上岗。Opsin完成2100万美元融资，由SYN Ventures与Race Capital领投，资金用于扩展其平台，绘制每个AI智能体被允许做什么、能触达哪些系统、实际行为偏离原始职责多远。公司在客户智能体活动复盘里发现，93%与智能体错配接入的工具拥有对所连系统的不受限访问权，只有两百分之一的工具在行动前要求人工签字。平台把智能体的用途、身份、权限、数据可达范围与工具调用串联起来，覆盖Microsoft Copilot、ChatGPT Enterprise、Claude、Gemini以及员工私下搭建的内部助手长尾，安全人员由此看清谁授权了某个智能体、背后是哪个模型、它能做什么。 智能体风险为什么不是恶意软件而是权限错配？ 传统安全假设威胁来自外部入侵，Opsin瞄准的缺口是权限本身。员工把公司数据接给一个从未申请审批的助手，智能体拿到企业账号后按工具配置就能一路访问，没有护栏就会越界。93%不受限与0.5%人工签字这两个数字说明，问题不在黑客，而在默认开放的权限模型，这也是企业落地agentic时最先暴露的治理空白。 借来的权限为什么需要单独登记？ 一个智能体本身没有身份，它借用了授权员工的账号与OAuth凭证，传统身份系统按人记账，查不到智能体这一层。Opsin为借来的权威建立注册表，把用途、模型、权限、数据范围与调用链绑定，让安全团队能回答谁批准、哪个模型、能触达什么，而不是只看到一堆API调用日志。 founders为什么来自Abnormal Security？ 创始人James Pham与Oz Wasserman均来自Abnormal Security，工程师Jeremy Mailen共同创立，团队预判智能体蔓延先演变成治理问题，再变成 breach 头条。Abnormal擅长从行为异常中识别风险，这一经验迁移到智能体漂移检测，即一个在自身角色内做反常动作的智能体，与一个本就不该拿到钥匙的智能体，需要用不同上下文区分。 近20家付费客户说明买家在担心什么？ 医疗、金融、制造行业已有近20家企业付费使用，客户包括Culligan、Barry-Wehmiller、Wellstar Health System与UiPath。买家并不太担心前沿模型的抽象风险，更担心普通员工把公司数据交给一个从不请示的助手。可观测仪表盘与控制平面之间界限很薄，身份厂商也在向同一领地扩张，Opsin的差异化是把职责上下文放进判断。 智能体治理会成为企业AI采购的前置条件吗？ 当企业大规模部署员工助手，权限清单、漂移告警与人审节点会像今天的SSO与DLP一样成为标配。2100万美元不大，却标志着资本开始为智能体治理付费，而不只是为模型本身付费。 信息来源与延伸阅读？ Opsin lands $21M to watch over staff AI agents - Techflier 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

2026 年 2 月，美国 NIST 旗下人工智能标准与创新中心（CAISI）正式启动 AI 智能体标准倡议（AASI），号称要给自主智能体的安全、互操作与身份立规矩。然而期限将至，可执行的框架仍迟迟没有落地。与标准的缓慢形成对照的，是一线现场的失控：据 Reco 等机构的数据，某财富 100 强客户在内部盘点时，竟发现约 2.1 万个自己都不认识的「未知智能体」在跑。 智能体为什么会「野蛮生长」 传统的 IT 治理假设系统是你 deliberate 部署的。智能体偏偏反着来：开发者装一个编码 Agent，分析员接一个 MCP 服务，没人登记，也没人审批。低代码工具让业务团队自己就能拖出一个智能体，而编码 Agent 还能自动生成更多 Agent，数量滚雪球。 学界把这叫 agent sprawl（智能体蔓延）。学术界梳理出的反模式包括：影子智能体（绕过 IT 治理私部）、孤儿智能体（任务早过期却还在跑、持续烧钱）、权限 creep（越权累积权限）、以及无人监控的多智能体委派链。微软 Cyber Pulse 报告称 80% 的财富 500 强已在使用活跃智能体；Gartner 更预测到 2028 年平均一家财富 500 强要跑超过 15 万个智能体，而自认治理跟得上的仅约 13%。 标准缺位意味着什么 NIST 的动作方向是对的：智能体需要可验证的身份、最小权限、可审计的委派链，甚至在研究去中心化身份与可验证凭证。但文件从征求意见到可采购条款，周期以年计。企业不能等。 OWASP 2026 年智能体应用 Top 10 给出的防守原则高度一致：给智能体最小的自主、最少的工具、最低的凭据。 判断 Agent 落地的下半场，比拼的不是模型多聪明，而是谁能管住自己造出来的智能体。任何一家正在批量上 Agent 的公司，现在最该做的不是再装一个新智能体，而是先做一次内部盘点——搞清楚到底有多少个智能体、挂在谁名下、能碰什么数据。标准可以晚到，账单和事故不会等。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：智能体标准 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

引言 GitHub Copilot已经从2021年的"AI代码补全实验"成长为覆盖2000万付费用户的商业产品。2026年，企业版成为GitHub增长最快的收入来源。我们在一个50人工程团队中进行了为期三个月的深度实测，本文分享真实的体验数据。 企业版核心功能 1. 知识库自定义 企业版最关键的能力是私有代码库学习——在不泄露源代码的前提下，让Copilot理解你的团队代码风格和内部框架： # .github/copilot/knowledge-base.yml knowledge_base: repositories: - org/internal-framework - org/shared-utils - org/api-standards indexing: schedule: "0 2 * * *" # 每日凌晨2点重建索引 max_files: 50000 exclude: - "**/test/**" - "**/vendor/**" embedding_model: "copilot-enterprise-v3" 实测效果：在使用了内部框架的项目中，Copilot的建议采纳率从32%提升到58%。它能正确使用内部命名规范、工具函数和错误处理模式。 2. 团队Prompt库 企业版支持共享Prompt模板，团队可以沉淀最佳实践： // .github/copilot/prompts/code-review.json { "name": "strict-code-review", "description": "严格的代码审查，关注安全性和性能", "template": "审查以下代码变更，检查：\n1. 安全漏洞（SQL注入、XSS、敏感信息泄露）\n2. 性能问题（N+1查询、内存泄漏）\n3. 错误处理完整性\n4. 测试覆盖率\n\n变更内容：\n{{diff}}\n\n请按严重程度分级输出问题列表。" } 团队成员可以直接在IDE中调用： # VS Code中 Cmd+I → 选择 "strict-code-review" → 自动应用团队审查标准 3. 安全过滤与合规 企业版的安全层是区别于个人版的核心价值： 代码输入 → 敏感信息检测 → 许可证扫描 → 安全过滤 → 模型推理 → 输出审计 ↓ ↓ ↓ 阻止+提醒 合规检查 恶意代码检测 # 企业管理员配置示例（通过GitHub Org Settings） copilot_policy = { "content_filter": { "secrets_detection": True, # 检测API Key、密码等 "pii_detection": True, # 个人信息检测 "block_patterns": [ r"password\s*=\s*['\"][^'\"]+['\"]", r"api_key\s*=\s*['\"][^'\"]+['\"]", ] }, "license_filter": { "block_licenses": ["GPL-3.0", "AGPL-3.0"], "warn_licenses": ["LGPL-3.0", "MPL-2.0"] }, "data_retention": { "telemetry_days": 30, "prompts_retention": False, # 不保留Prompt内容 "suggestions_retention": False # 不保留建议内容 } } 三个月实测数据 生产力指标 我们在50人团队中进行了AB测试（25人使用Copilot企业版，25人对照组）： ...