返回资讯中心
外部精选
行业深度
#趋势观察#Artificial intelligence#sponsored

报道称企业需用数据血缘保障AI代理安全

来源标题:Securing the agentic enterprise with data lineage

随着企业越来越多地在日常工作中使用代理式AI,传统围绕应用和网络的安全手段已不够用。报道指出,AI安全的核心是数据可见性问题,企业需要借助数据血缘追踪数据在系统、文件和代理之间的流动与变形。

MIT Technology ReviewMIT Technology Review Insights2026/11/4 · 13 天前4 分钟阅读

以下正文由 AI 翻译自 MIT Technology Review(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

一位销售代表向 AI agent 询问客户定价,agent 随即从多个来源拉取数据:受限的定价系统、内部沟通记录和归档报价。对 agent 来说,输出结果看起来是准确的,于是第二个 agent 用这些数据为销售代表起草方案。两次交接都没有人工核查。当发现方案中包含未经批准的、机密且敏感的信息时,没有人能追溯有问题的数据是从哪里进入工作流的,又是如何跨系统、文件和 agent 传播的。 下载报告 这一场景说明,AI 治理为何必须快速且动态地演进。随着越来越多企业在日常工作中使用 agentic AI,它们意识到,自己要管理的不再只是静态文件,而是不断被摄取、复制、摘要、转换、复用并以新形式再分发的、流动且碎片化的数据。简言之,AI 安全不是工具问题,而是数据可见性问题。 因此,仅围绕应用、系统、网络或端点构建的传统安全方法已不再足够。要大规模保障 agentic AI 的安全,就需要理解数据如何流动。因此,团队需要建立数据血缘,以便在人类、agent 及混合工作流中有效管理治理、问责与信任。 下载报告 本文内容由 MIT Technology Review 旗下定制内容团队 Insights 制作,并非其编辑团队出品。内容由人类调研并撰写,可能使用的任何 AI 工具仅限于在人工监督下的生产流程。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →