当AI智能体开始调用工具并执行操作，安全边界就不再只围绕提示词和模型输出。身份、权限、外部接口、代码执行和数据流动都可能成为新的攻击入口，企业需要持续知道智能体正在做什么。

10月23日，Palo Alto Networks宣布，Unit 42 Continuous Frontier AI Defense和Prisma AIRS已进入OpenAI Marketplace，面向OpenAI企业客户提供采购和部署入口。前者偏向持续发现与验证企业暴露面，后者则覆盖AI应用、智能体、模型及相关资产的治理与运行时保护。

从周期扫描转向持续攻防

传统漏洞管理往往依赖定期扫描、公开漏洞编号和人工排序。Unit 42的方案引入由安全专家监督的多模型系统，在应用、身份、云和网络资产发生变化时持续寻找暴露面，并通过非破坏性对抗模拟判断问题是否具有真实可利用性。

官方介绍称，该系统可以根据任务动态选择不同模型，其中包括面向网络安全的GPT-5.6-Cyber、其他商业模型、开放权重模型以及Unit 42威胁情报。输出不仅包括问题列表，还尝试提供代码修改、缓解措施和虚拟补丁建议。

智能体自身也成为需要保护的资产

Prisma AIRS面向企业内部不断增加的AI应用与智能体，提供资产发现、风险评估、运行时防护、身份和数据治理。它关注的不只是模型是否产生不当内容，还包括影子AI、开源模型供应链、提示注入、敏感数据泄露，以及智能体权限过大后可能执行的非预期操作。

平台还可扫描智能体技能和MCP服务器，并通过AI Gateway集中管理模型、API及企业服务的连接策略。对智能体而言，“使用哪个账号”“能调用什么工具”“一次任务可访问哪些数据”应像员工权限一样被记录和限制。

厂商测试数字需要独立理解

Palo Alto Networks称，该持续防御方法经过六个月内部测试并用于75个以上客户项目，相关研发投入为1700万美元；在其客户评估中，所有受评组织都发现了暴露面，其中37%被列为高危或严重。超过三分之二的第三方应用暴露面没有已知CVE。

这些结果来自厂商自身测试与客户项目，样本选择、评估范围和严重性标准会影响数字，不能视为行业普遍比例。企业采购前应要求了解测试方法、误报率、验证边界和修复闭环，并用自身环境进行受控验证。

编辑观察：自动防御也必须有停止按钮

机器速度的安全分析可以缩短发现时间，但自动生成的修复动作如果缺乏审查，也可能造成系统中断或权限扩大。企业应把“发现、验证、建议、执行”拆成不同授权层级，高风险变更必须保留人工批准、回滚方案和完整日志。

智能体安全的核心不是再增加一个告警面板，而是建立可问责的运行机制：每个智能体都有明确身份和最小权限，每次工具调用都能追踪，异常行为可立即隔离，模型与第三方组件更新后可以重新评估。只有把持续验证嵌入AI生命周期，自动化能力才不会同时放大业务效率和安全风险。

配图为AIcent原创AI生成实景风格示意图，非官方新闻现场照片，不使用第三方新闻图片。

参考来源：Palo Alto Networks官方博客（2026年10月23日）。正文为基于官方消息的中文整理，编辑观察与事实披露分开呈现。