- 综合排序
- 最热优先
- 最新优先
- 来自专栏首席安全官
数据安全智能体：AI驱动的新一代企业数据安全防护范式
国内首款数据安全智能体基于零信任安全理念，在每一个数据访问请求前都进行多维度的身份验证与权限校验。 数据安全智能体工作流程与闭环防护机制 LLM与安全知识库的融合架构 国内首款数据安全智能体的核心竞争力在于将通用型大语言模型与垂直领域的安全知识库深度融合。 响应时间过长：传统SOC分析一个中等复杂度的安全事件通常需要4-8小时，在高级威胁面前这个时间窗口远远不够。该智能体系统已经可以将响应时间缩短到30分钟以内。 参考文献 基于大语言模型的全流量安全智能体 智能体人工智能安全框架与最佳实践 Microsoft数据丢失防护（DLP）定义与实现 360安全智能体的架构与应用 数据安全智能体设计模式与实战落地 AI 数据安全AI模型APT 威胁检测企业数据防护企业级数据安全智能体技术架构解析可信执行环境国内首款数据安全智能体多智能体协同的自动化安全运营系统大模型的企业数据泄露防护方案安全大模型安全运营差分隐私数据安全数据安全智能体数据安全智能体实践案例数据安全智能体治理体系数据安全智能体解决方案新一代企业数据安全防护体系智能体覆盖数据全生命周期的安全智能体框架金融行业数据安全智能体落地实践隐私保护零信任安全零信任数据安全零信任架构零信任架构的数据安全智能体人工智能
41910编辑于 2026-01-20 - 来自专栏首席安全官
数据安全智能体：AI驱动的新一代企业数据安全防护范式
国内首款数据安全智能体采用基于大语言模型的推理引擎，赋予系统”感知-认知-决策-响应”的完整智能闭环。 国内首款数据安全智能体基于零信任安全理念，在每一个数据访问请求前都进行多维度的身份验证与权限校验。 数据安全智能体工作流程与闭环防护机制 LLM与安全知识库的融合架构国内首款数据安全智能体的核心竞争力在于将通用型大语言模型与垂直领域的安全知识库深度融合。 而国内首款数据安全智能体可以以软件成本替代人工成本，经济性提升10倍以上。响应时间过长：传统SOC分析一个中等复杂度的安全事件通常需要4-8小时，在高级威胁面前这个时间窗口远远不够。 结论与未来展望国内首款数据安全智能体通过将大语言模型、多智能体协作、隐私计算、零信任架构等前沿技术融为一体，实现了对企业数据防护范式的革命性升级。
27621编辑于 2026-01-17 - 来自专栏红队蓝军
L4级别！ Agentic AI安全智能体，自动实现告警研判
网安Agentic AI，L4级别「无相」AI诞生 在网络安全领域，Agentic AI 更是将彻底改变安全运营。 为了创造真正意义上的垂直行业大模型，动态自主规划的Agentic AI，青藤云安全推出了L4级安全智能体「无相」AI。 「无相」AI是全球首个实现从“copilot”向“Autopilot”跨越的安全智能体。 与行业内普遍的L1级智能体不同，「无相」AI是已经达到接近L4级别的高阶智能体。 有数据显示，一个中型企业的安全团队平均每天要处理10000多条原始告警，其中99%是误报。市场上每天产生的威胁情报数据已经超出了人类分析师的处理能力。 研判专家智能体负责分析告警信息，抽取调查对象，生成调查任务等；安全调查员智能体负责接受调查任务，调用工具，自主分析并完成任务。
1.2K01编辑于 2025-05-21 智能体的第4个阶段，到来了！
随着类似项目的越来越成熟，我能感觉到，智能体的第4个阶段，已经到来了。 智能体的前3个阶段 这里所说的智能体，主要是指基于LLM的智能体，因为Agent这个词进入大众视野，是LLM得到广泛认可后才火的，在此前的AI发展历程中，人们并不是很认可Agent技术路线，直到LLM的出现 这一阶段的智能体，实现了初级工具集成，在字节的coze平台上，智能体把官方和用户们共同提供的插件作为工具，智能体可以自主决定使用哪一个工具作为本次对话的执行。 第3阶段：多智能体架构 当开发者们发现，特定提示词配合特定工具集时，智能体能在某些方面表现的非常优异，而多加或少加工具，都会让智能体性能大打折扣，于是他们决定，由多个智能体打包成一个复合智能体来向用户提供通用性的智能体产品 MCP协议的出现，打破了这种智能体无法调用本地软件的窘境，智能体无法操作软件的情况可能会慢慢成为过去式。
26810编辑于 2025-12-29数据智能体平台 - 架构实践
1.项目背景与目标1.1业务背景数据智能体平台是一个基于AI的智能数据查询与分析系统，旨在通过自然语言交互降低数据使用门槛。 Step4:查询服务-SQL置信度评估（质量门控）这是保证SQL质量的关键环节，通过多维度评估实现智能决策：4.1置信度评分计算综合评分公式：confidence_score=0.4×RAG相似度+0.3 ：第1级：API网关的权限预检查第2级：AI生成后的基础验证第3级：置信度评估的智能分级第4级：执行前的权限二次验证人机协同设计：高置信度：AI全自动中置信度：AI+用户确认低置信度：强制人工介入闭环优化机制 ，确保数据安全可控。 6.结语数据智能体平台通过混合技术栈微服务架构+RAG增强AI+语义层设计，成功实现了：✅降低门槛：从SQL到自然语言✅提升效率：85%+准确率✅保障安全：四级权限控制✅持续优化：人机协同闭环核心竞争力
46910编辑于 2025-12-08- 来自专栏释然IT杂谈
L4级别！高阶安全智能体「无相」AI，安全报告一键秒级输出
面对日益复杂的网络威胁，青藤创新发布L4级别无相AI，带来颠覆式安全运营体验，一键秒级生成安全报告，引领行业新纪元。 L4级别！ 高阶安全智能体「无相」AI，安全报告一键秒级输出 在网络安全事件响应实践中，面对APT攻击、勒索软件感染等复杂攻击场景的全链条调查，安全运营团队往往面临三重核心挑战： 首先，信息采集阶段需要从SIEM系统 L4级高阶安全智能体-无相AI发布 面对上述痛点，青藤潜心研发，于近日刚发布的全球第一个L4级高阶安全智能体------无相AI。它并非简单的大模型调用，而是代表着网络安全领域三十年未有之重大突破。 整个过程，由无相智能体自动化生产，实时调用知识图谱引擎，将离散的进程树、流量包、云安全配置快照等元数据，自动对齐MITRE ATT&CK战术阶段，构建带时间戳的攻击叙事链。 明确区分观察事实与推理假设，防止混淆 数据沿袭追踪： 完整记录从原始数据到最终结论的推理路径 提供数据处理过程中的所有转换和分析步骤 支持双向追溯，既可从结论回溯证据，也可从证据推导结论 透明的安全分析逻辑
79910编辑于 2025-05-20 - 来自专栏JavaEdge
AI智能体落地前，务必关注这些安全红线！
可把AI智能体理解为一种算法系统，它不仅能够根据数据做出决策，还能基于该决策执行相应的动作。虽然它与生成式AI存在一些相似之处，但最大的区别在于，智能体不是生成内容，而是执行行为。 也正因如此，如今的AI智能体激发了技术专家和企业领导人的想象力——它们似乎具备了解决复杂问题、完成具体任务的能力。 AI智能体存在哪些安全风险？ 那么，AI智能体到底有哪些安全隐患？ 数据泄露 一个可能更严重的风险是数据泄露。AI智能体依赖于访问各种信息源，它需要与不同的服务进行交互，在必要时收集和共享数据，以完成任务。 一个穿越组织边界、甚至在组织内外自由活动的AI智能体，其数据传输过程往往难以追踪。哪怕是一个看似简单的旅行预订任务，也可能涉及到员工或组织的敏感信息被传递给了谁、传到了哪里等安全问题。 不加思索地过度热情，会加剧AI智能体的安全问题 AI智能体的安全隐患，往往因为人们的盲目乐观和急于部署而被放大。 比如，现在很多组织把AI智能体用于处理重复性操作，如将数据从一个系统转移到另一个系统。
40510编辑于 2025-06-01 智能体案例分析：IT新闻聚合智能体
智能体案例分析：IT新闻聚合智能体 IT新闻聚合智能体通过自动化技术抓取、分析和呈现最新的IT行业动态。这类智能体通常结合自然语言处理（NLP）和机器学习技术，从多个来源筛选高价值信息。 核心功能包括： 实时爬取主流科技媒体（如TechCrunch、Wired、The Verge） 自动分类（人工智能、网络安全、云计算等） 情感分析判断新闻倾向性 生成摘要简化阅读 典型应用场景： 投资机构追踪技术趋势 开发者社区热点话题发现 企业竞争情报监控 技术实现方案 数据采集层 使用Python的Scrapy框架构建爬虫，示例代码： import scrapy from datetime import datetime sentiment['label'], 'confidence': sentiment['score'], 'summary': summary } 知识图谱构建 使用Neo4j AI'})-[:RELATED_TO]->(m:Company {name:'OpenAI'}) CREATE (n)-[:MENTIONED_IN]->(a:Article {title:'GPT-4
36011编辑于 2025-12-17- 来自专栏架构之路
数据库操作智能体实现
数据库操作智能体实现核心架构设计采用LangChain4j的PureagenticAI模式构建智能数据库查询系统，通过协调器(SqlAgent)和工具链实现自然语言到SQL查询的转换组件分工明确SqlAgent )各司其职安全防护机制独立数据源配置防止主系统污染，严格的SQL注入防护包括表名验证和仅允许SELECT操作，通过环境变量限制可访问表范围动态决策能力Agent具备上下文感知和自适应决策功能，能根据查询需求自动组合工具调用顺序 →调用相应工具获取数据→结果格式化处理→最终响应返回用户扩展性设计模块化工具设计便于新增功能，表结构管理器支持缓存刷新，响应策略可配置满足不同场景需求核心架构设计采用LangChain4j的PureagenticAI 模式构建智能数据库查询系统，通过协调器(SqlAgent)和工具链实现自然语言到SQL查询的转换。 专用工具链：QueryAllTablesTool：获取数据库所有表名QueryTableSchemaTool：查询指定表结构ExecuteSqlQueryTool：执行最终SQL查询安全防护采用白名单机制管理可访问表
11610编辑于 2026-02-04 智能体私有化部署时如何保障数据安全与合规性？
本文深入探讨了企业如何在保障数据主权的前提下，安全、合规地部署AI智能体，并重点介绍了腾讯云智能体开发平台(ADP)的安全特性和解决方案。 一方面是对效率提升、业务创新的极度渴求；另一方面则是对数据安全、业务稳定的极度敏感。这种矛盾在智能体时代被前所未有地放大。 数据不出域已成为企业智能体部署的刚性需求。 数据安全：全链路加密与访问控制 数据安全是企业智能体部署的第一强需求。企业智能体平台需要建立覆盖供应链、内容安全、数据访问、隐私保护等方方面面的防护体系，确保数据合规、隐私不泄露。 精细的访问控制策略是保障数据安全的关键。这包括基于角色的权限管理、API调用审计、数据脱敏机制等，确保智能体只能调用可控的数据内容，进而保证数据安全。 3. 在政企高度重视的严肃场景中，“人在回路” 机制允许用户随时介入、修正，甚至一键回滚，在自动驾驶和手动驾驶间自由切换，让智能体真正变得可控、可托付。 4.
93710编辑于 2025-10-29智能体来了！2026智能体开发全面指南
智能体来了！2026智能体开发全面指南 一、 繁华落尽后的“平静”：技术背后的选择逻辑“真正深入使用 AI 之后，我反而更平静了。” 在过去这段时间里，我深入钻研了 Python 编程、探究了 AIGC 的视觉极限、搭建了复杂的流程智能体、甚至深入到了 STM32 的硬件底层。 它帮我补齐认知的短板，为我的野心提供支撑，用数据赋予我破局的勇气，并最终通过自动化工作流将执行力拉满。 它的核心公式是：理解目标（Layer 1）→ 协助决策（Layer 2&3）→ 自动执行（Layer 2&5）→ 持续表达（Layer 4）。 礼包内包含（持续更新）：多维提示词库：包含智能体设计规范、AI 绘画精准词簇、AI 视频叙事 Prompt。ComfyUI 极客工作流：从零搭建好的 json 配置文件，导入即用。
32710编辑于 2026-01-24- 来自专栏AI人工智能
智能体安全与可信AI：防护机制与伦理考量
智能体系统不仅面临着传统网络安全中的攻击威胁，还要应对AI特有的对抗攻击、数据投毒、模型窃取等新型安全挑战。 本文将从智能体安全威胁分析入手，深入探讨对抗攻击的机制与防护策略，分析隐私保护与数据安全的技术实现，并从AI伦理角度审视智能体系统的责任边界。 智能体安全威胁分析1.1 威胁模型概述智能体安全威胁可以从多个维度进行分类和分析。 实践案例与应用场景5.1 金融智能体安全案例在金融领域，智能体系统面临着严格的安全和合规要求：class FinancialAgentSecurityFramework: """金融智能体安全框架 4 自动驾驶智能体安全防护体系class AutonomousVehicleSecurityAgent: """自动驾驶安全智能体""" def __init__(self):
43010编辑于 2025-07-29 - 来自专栏算法之名
AI智能体
langchain提供了支持、检索增强式的chain，在使用时，这些chain会首先与外部数据源进行交互以获得对应数据，然后再利用获得的数据与LLMs进行交互。 name__ == '__main__': os.environ['ZHIPUAI_API_KEY'] = '******' chat = ChatZhipuAI(model='glm-4' messages) print(response.content) 这里的 ZHIPUAI_API_KEY 需要你自己去智普网站 https://open.bigmodel.cn 去注册就有，运行结果 智能助手显神通 _main__': os.environ['ZHIPUAI_API_KEY'] = '******' streaming_chat = ChatZhipuAI(model='glm-4' 你的角色是一个诗人.'), HumanMessage(content='用七言绝句的形式写一首关于AI的诗')] streaming_chat(messages) 运行结果 智能助手显神通
78410编辑于 2024-09-29 - 来自专栏云时之间
智能体结构
智能体的结构 迄今为止我们通过描述行为—在任何给定的感知序列下采取的行动—讨论了智能体，现在我们不得不将知难而进，去讨论智能体内部是如何工作的，AI的任务是设计智能体程序，通过它来把感知信息映射到行动的智能体函数 注意智能体程序和智能体函数之间的差别。智能体程序在于当前感知为输入，而智能体函数是以整个历史为输入的。智能体程序只把当前感知作为输入是因为环境无法得到更多的东西。如果智能体的行动依赖于整个感知序列。 那么该智能体不得不记住全部感知的信息。 *智能体程序骨架还有其他的选择。例如我们可以让智能体程序成为协同程序。 4：既是环境足够简单，可以得到一个可行的表容量，设计者仍然得不到关于如何该条目的指导 除了这些，AI的关键挑战是如何搞清楚编写程序，在可接受的范围内，从少量的代码而不是大量的表目中产生出理性的行为，我们有很多的例子是显示出在其他的领域上述做法是可行的 在这个文章的以下部分，我想概述四种基本的智能体程序，他们几乎涵盖了所有智能系统的基础准则： 1：简单反射型智能体 2：基于模型的反射型智能体 3：基于目标的智能体 4：基于效用的智能体 然后我们将概括的解释如何把这些智能体转换成学习智能体
1.4K70发布于 2018-04-11 - 来自专栏心源易码
智能体对话场景数据设计与建模
然而，随着对话数据量的激增，如何高效地存储、管理和检索这些数据，同时确保对话的实时性和准确性，成为设计智能体对话系统时面临的主要挑战。 结合这两者，可以构建一个既能够处理大规模数据，又能够实现快速响应的智能体对话平台。 2.2.2、ERD（数据库实体关系图）分析在智能体对话场景中，数据的有效存储与查询是确保系统高效运行的关键。 通过设计合理的数据库实体关系图（ERD），我们可以清晰地定义各个实体之间的关系，为智能体对话系统提供坚实的数据支撑。 智能体（AI digital persona）：指生成式AI驱动的对话实体，每个智能体具有唯一的ai_id。
2.1K10编辑于 2024-07-30 智能体（Agent）全面解析：什么是智能体agent
一、什么是智能体（Agent）？智能体是一个能够自主思考、决策、调用工具的智能代理系统。 它不仅仅是简单的问答机器人，而是具备以下核心能力的自主系统：思考能力：理解用户意图，分析任务需求决策能力：规划执行步骤，选择合适工具行动能力：调用外部工具，执行具体操作记忆能力：记住上下文，积累经验智能体的价值智能体的出现 智能体的核心优势大脑：LLM提供强大的理解和推理能力undefined记忆：记住对话历史，保持上下文连贯工具：灵活调用各种外部能力二、两种搭建智能体的路径根据技术门槛和应用场景，智能体的搭建主要有两种方式 /向量数据库多种工具（API、计算器、RAG等）决策能力无自主决策，直接使用检索内容有自主决策，能规划步骤复杂度相对简单复杂，需要多步推理典型应用客服问答、文档问答自动订票、数据分析、多步骤任务 两者关系 随着LLM能力的不断提升和工具生态的日益丰富，智能体将在更多领域发挥重要作用，成为我们工作和生活中不可或缺的智能伙伴。您好，我是肥晨。
2.5K21编辑于 2026-03-02- 来自专栏农民工前端
智能体（Agent）全面解析：什么是智能体agent
一、什么是智能体（Agent）？ 智能体是一个能够自主思考、决策、调用工具的智能代理系统。 智能体的出现，让AI从单纯的"对话者"进化为真正的"执行者"。 智能体的核心优势 大脑：LLM提供强大的理解和推理能力 记忆：记住对话历史，保持上下文连贯 工具：灵活调用各种外部能力 二、两种搭建智能体的路径 根据技术门槛和应用场景，智能体的搭建主要有两种方式： 1️⃣ 执行 → 观察循环 外部依赖 知识库/向量数据库 多种工具（API、计算器、RAG等） 决策能力 无自主决策，直接使用检索内容 有自主决策，能规划步骤 复杂度 相对简单 复杂，需要多步推理 典型应用 客服问答 随着LLM能力的不断提升和工具生态的日益丰富，智能体将在更多领域发挥重要作用，成为我们工作和生活中不可或缺的智能伙伴。
96310编辑于 2026-03-03 - 来自专栏机器之心
智能体DS-Agent基于案例推理，让GPT-4数据科学任务接近100%
机器之心专栏 机器之心编辑部 基于案例的推理助力大模型智能体挑战自动化数据科学任务，吉大、上交和汪军团队发布专注于数据科学的智能体构建框架 DS-Agent。 随着生成式预训练语言模型的兴起，让大语言模型智能体处理复杂任务变得越来越重要。 传统的数据处理和分析大多依赖专业的数据科学家，费时费力。 如果能够让大语言模型智能体扮演数据科学家的角色，那么除了能够为我们提供更高效的洞察和分析，还可以开启前所未有的工业模式和研究范式。 这样一来只要给定数据任务需求，专注于数据科学的智能体就可以自主地处理海量数据，发现隐藏在数据背后的模式和趋势。 ，目前的大模型智能体（例如 AutoGPT、LangChain、ResearchAgent 等）即使搭配 GPT-4 也难以保证较高的成功率。
81510编辑于 2024-03-27 - 来自专栏设计模式
AI 智能体上下文工程 4 大实用策略解析
智能体也正在获得这种能力！通过“便签本”做笔记是一种在智能体执行任务时持久化信息的方法。其核心思路是将信息存储在上下文窗口之外，确保智能体可随时获取。 无论哪种方式，便签本都能让智能体保存有用信息，助力任务完成。 记忆（Memories） 便签本帮助智能体在特定会话（或线程）内解决任务，但有时智能体需要跨多个会话记住信息！ Reflexion提出了在智能体每轮交互后进行反思，并复用这些自主生成记忆的理念。生成式智能体（Generative Agents）则会从过往智能体反馈集合中定期合成记忆。 4. 隔离上下文（Isolate Context） 隔离上下文指拆分上下文，以帮助智能体执行任务。 多智能体（Multi-agent） 隔离上下文最流行的方法之一是在子智能体之间拆分上下文。 Anthropic的多智能体研究证明了这一点：具有隔离上下文的多个智能体的性能优于单个智能体，这很大程度上是因为每个子智能体的上下文窗口可专注于更具体的子任务。
86411编辑于 2025-10-20 AI智能体发展趋势与网络安全新挑战
驾驭AI智能体的崛起AI智能体是指不仅能提供信息，还能代表用户执行操作的AI模型与算法。某机构等公司已推出“代理式”产品，可实现预订、填写表格及协助编程项目等功能。 若需深入了解AI智能体，可参考以下技术分析：自主AI代理的安全边界与未备风险某机构首席科学家提出的四类代理性能优化路径AI代理规模化网络攻击带来的成本与防御挑战AI间协商机制中弱势模型导致的数字不平等问题中国新型通用代理 Manus的实际测试评估技术政策与安全动态海外科技企业保护政策undefined通过全球贸易战机制阻止他国对某国科技公司加征税收与监管限制边境AI年龄评估技术undefined某国试点采用AI算法评估未成年寻求庇护者的年龄 ，同时某国边境巡逻队尝试通过面部识别技术追踪移民儿童年龄变化AI对网络流量的颠覆性影响undefined某搜索巨头的AI摘要功能导致网站点击量骤降，标志着传统网络搜索模式的终结设备安全威胁undefined
21310编辑于 2025-09-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号