当前，人工智能正迈入规模化应用落地阶段，智能体（AI Agent）作为具备环境感知、自主决策、任务执行等核心能力的智能化实体，呈现出多样化发展趋势。与此同时，智能体带来的安全风险也与日俱增。

近日，360联合清华大学发布全球首份漏洞视角的《智能体安全实践报告》，通过典型攻击面梳理和漏洞挖掘研究，深入分析智能体全生命周期链路各个场景的安全风险。结合360安全智能体的高效代码分析能力以及特有的特征库，发现并分析了智能体相关开源项目漏洞20余个，其中不乏被广泛使用的Github高星项目，旨在提供智能体安全的综合性视角，为智能体安全生态的持续、积极发展贡献力量。

框架层藏开发隐患，易成攻击突破口

智能体架构通常由模型、工具、编排三个主要组件构成，开发框架则以模块化、可扩展性和快速编排能力为核心，提供一系列预设工具和基础功能，进而简化了智能体的构建与部署流程，提升了整体开发效率。但框架中的潜在安全问题也提供了额外的攻击向量，使其变为恶意攻击者通过网络发起攻击的“帮凶”。

报告指出，智能体开发框架无论是仅建立在本地服务，或是部署在云端的接口，都存在着从远程被攻破的可能。一方面，启动本地服务的开发框架通常默认所有的请求都是可信任的，缺少对请求发起方的身份验证以及对请求中包含数据的二次验证，极易成为攻击者横向渗透的目标，且存在经由浏览器转发请求从而进行远程攻击的可能；另一方面，部署在云端的接口中一旦存在漏洞，攻击者就能利用它来影响整个业务系统的安全。

生态层现协同风险，安全边界模糊

随着业务复杂度的提升，参与到智能体系统运作中的成员日益复杂，智能体系统对多角色、多工具的整合能力使其安全边界愈发模糊。而智能体通过自然语言形式来驱动的特性，使其天然易受外界的干扰和影响。

报告指出，在智能体系统中，大模型通常作为核心感知与决策模块，大模型的输出结果在很大程度上决定了智能体的行为走向，智能体的正确推理和响应很大程度上也依赖于可靠的输入信息。因此，攻击者可以通过操纵大模型生成包含恶意内容或错误流程的响应，从而间接影响智能体的行为。

此外，随着MCP（Model Context Protocol）规范提出了大模型与工具之间的通用通信框架，极大拓展了智能体的能力边界，智能体接入的工具愈发复杂多样，调用链条越来越长，MCP Server投毒、MCP Server远程风险、MCP Client恶意请求等一系列安全风险也随之显现。

沙箱层存配置盲区，亟需多层级防护

为了避免智能体在应用过程中的操作风险，通常会使用沙箱隔离方案，即将智能体调用工具的执行环境与真实系统分离，在沙箱内完成操作指令后，将执行结果返回大模型，从而保障工具调用的安全性。

然而，当前主流沙箱虽能快速构建文件系统与代码执行的隔离环境，却普遍缺乏对智能体应用场景的精细化配置，无法完全保障隔离效果的可靠性。此外，沙箱自身存在的安全漏洞也可能成为新的攻击入口，进一步影响智能体整体安全。

以模制模：360安全智能体守护智能体安全

报告指出，智能体的全生命周期安全风险呈现多维性、隐蔽性和系统性特征，其安全威胁渗透在开发、测试、部署和运营等一系列的流程中，只有将安全性作为智能体技术演进的核心指标，而非事后补救的附加功能，才能推动智能体真正成为人类社会的可靠伙伴。

作为国内唯一兼具数字安全和人工智能双重能力的企业，360不仅较早开始关注大模型安全风险，同时打造了首个实现实战应用的安全智能体——360安全智能体。基于“以模制模”理念，360以安全智能体为核心构建大模型安全解决方案，涵盖智鉴、智盾、智搜、智控等多款产品，利用AI来检测和防范大模型可能出现的安全风险，全流程守护AI落地应用的全生命周期安全可控。既解决了传统网络安全问题，又为攻克AI安全新挑战提供了可行性方案。

随着人工智能发展进入“下半场”，智能体成为推动产业变革的核心力量。站在技术与产业融合的关键节点，唯有以创新思维重塑安全体系，将“以模制模”理念融入智能体发展全生命周期，才能真正保障智能体安全运行，推动其发挥核心作用，加速产业在智能化浪潮中行稳致远。