Check Point 携手 Google Cloud：AI Defense Plane 为企业 AI 代理筑起安全防线

AI 代理相比传统 AI 应用风险更高，原因在于自主性：传统 AI 应用通常是被动的问答或生成，AI 代理可以自主调用工具、访问数据库、执行业务流程，这意味着攻击者一旦突破 AI 代理，可以让它执行一系列自动化操作；AI 代理通过 MCP 协议与多个外部工具和服务连接，供应链风险更大；AI 代理的决策链条更长，从输入到最终执行之间可能有多个环节，每个环节都可能成为攻击面。

MCP（Model Context Protocol，模型上下文协议）是 AI 模型与外部工具和服务通信的标准协议。对 10,000 个 MCP 服务器的安全分析显示，约 40% 存在可利用的安全弱点。主要风险包括：MCP 服务器本身存在未修复的漏洞，被攻破后可以作为攻击跳板；MCP 协议缺乏统一的身份验证和授权标准；AI 代理连接恶意 MCP 服务器后，可能被引导执行未授权操作；MCP 服务器可以访问的数据范围往往超过 AI 代理实际需要的权限。

Check Point AI Defense Plane 提供三层防护：预部署发现与治理——自动识别部署在 Google Cloud 环境中的 AI 代理及其组件、工具链和连接关系，建立完整资产清单；预部署策略强制执行——在 AI 代理上线前，通过集中策略定义代理可访问的工具、服务器和功能范围，将风险控制在准入阶段；运行时实时保护——通过 Google Cloud Agent Gateway 提供内联保护，检测并阻断提示词注入攻击、防止数据泄露、在代理发起工具调用前进行安全审查。

提示词注入在 AI 代理场景中尤为危险：传统 AI 应用的提示词注入通常只影响单次输出，AI 代理中攻击者可以利用注入指令让代理执行多步操作链；AI 代理具有工具调用能力，攻击者可以让代理执行转账、发送邮件、修改数据等高风险操作；提示词注入可以操纵 AI 代理的长期行为，比如让代理在后续交互中持续泄露敏感信息；AI 代理通常以高权限运行，一旦被攻破影响范围远超普通应用。

企业部署 AI 代理时应注意：优先盘点现有环境中的 AI 工具与代理，建立资产基线；制定 AI 代理工具调用白名单，限制可访问的数据源与系统范围；为 AI 代理实施最小权限原则，只授予完成任务所必需的权限；在代理与外部系统交互的每个节点部署检测逻辑；评估引入的 MCP 服务器安全性，避免供应链风险；建立 AI 代理安全事件的应急响应预案。

AI Defense Plane 与 Google Cloud Agent Gateway 的协同工作流程：Agent Gateway 是 Google Cloud Gemini Enterprise Agent Platform 的核心组件，负责管理 AI 代理的输入、输出和工具调用；AI Defense Plane 通过与 Agent Gateway 集成，在代理的每个关键交互节点插入安全检测逻辑；AI Defense Plane 的策略引擎在代理部署前已定义好规则，运行时保护无需人工干预；安全事件和告警通过统一的安全运营平台呈现，支持集中管理和响应。

评估 AI 代理安全现状可以从四个维度入手：资产可见性——盘点组织内所有 AI 代理、MCP 服务器和相关工具链，识别影子 AI；策略完备性——检查是否已有 AI 代理的安全策略，是否覆盖访问控制、数据保护和工具调用限制；运行时保护——评估是否部署了提示词注入检测、数据泄露防护等运行时保护能力；人员与流程——确认是否有专门的安全团队负责 AI 安全，AI 代理的安全事件响应流程是否已定义。

提示词注入攻击的常见形式包括：直接注入——在用户输入中植入隐藏指令，如 Ignore previous instructions 和盗取敏感数据；上下文累积注入——在多轮对话中逐步注入恶意内容，影响代理的长期行为；跨代理注入——通过一个被攻破的 AI 代理影响其他互联的 AI 代理；工具结果注入——在 AI 代理调用的工具返回结果中植入恶意内容，间接操控代理后续决策；社会工程注入——利用 AI 代理的人类交互界面冒充用户执行未授权操作。