亚信_AIDR_AI检测与响应_白皮书_47页_4mb

报告摘要

AIDR白皮书总结

核心内容

AIDR（AI Detection & Response）是一种面向AI与Agent运行时的新一代检测与响应体系，旨在解决AI时代安全挑战，构建一套完整的AI运行时安全防护机制。随着AI在企业中的广泛应用，安全保护对象从传统的IT基础设施扩展至AI应用、模型、Agent、工具链、知识系统和身份凭据等AI原生对象。

AIDR通过持续发现AI资产、观测AI运行时行为、识别AI原生风险、关联AI与IT安全事件并实施响应，确保AI系统运行安全、可控和可追溯。其核心价值在于构建从“看见→看懂→判断→控制→验证”的完整闭环，实现对AI运行时的全方位保护。

主要观点

AI正在改变企业的计算模式，使安全保护对象从IT基础设施扩展到AI原生对象，如Prompt、Agent、身份凭据等。
传统安全体系（如EDR/XDR、DLP、IAM）无法完整覆盖AI原生风险，需通过AIDR补充AI语义、上下文、身份和行为分析能力。
AIDR是一个面向AI运行时的检测与响应框架，其能力模型包括六层产品能力模型和八平面技术参考架构。
AIDR需解决三个核心问题：看不见（AI资产不可见）、看不懂（AI行为不可控）、管不住（AI风险无法闭环）。
AIDR与EDR/XDR并行发展，AIDR是EDR/XDR范式在AI时代的扩展，保护对象从终端进程扩展到AI运行时。

关键信息

AIDR关键能力

AI原生遥测与持续可观测：持续采集Prompt、Session、Agent、Tool Call、MCP、Identity、Data及Runtime行为。
统一上下文建模：将AI对象与传统IT资产关联，形成统一运行上下文。
多维AI风险联合检测：联合分析语义、数据、身份和行为，识别注入、泄露、越权及异常执行。
AI与IT攻击链关联调查：将AI原生事件与终端、网络、云等传统遥测关联，重建完整事件故事线。
跨控制点响应与闭环验证：在会话、工具、身份、终端、网络等位置实施响应，并通过三态验证（已下发→待验证→已确认）确认风险收敛。

AIDR六阶段闭环模型

阶段	定义	关键产出
发现	持续发现AI资产、身份、依赖、暴露面与控制点	资产台账、关系图谱、可信度和风险标签
观察	采集交互、执行、知识访问、身份与基础设施遥测	统一事件、Trace、Session和证据链
检测	识别语义、数据、身份和行为中的风险	告警、风险评分和检测证据
调查	关联Prompt、Agent、工具、身份、数据和执行结果	事件故事线、根因、责任归属和攻击链
响应	执行会话阻断、工具禁用、撤权、隔离等	阻断、脱敏、修复动作
验证	确认处置动作已执行且风险已收敛	三态验证、闭环率和残余风险

AIDR建设路径

阶段1: 可见与可审计
- 价值主张: 看得见、分得清
- 优先能力: Shadow AI发现、AI资产台账、Prompt/Response日志
- 主要交付结果: 可信资产台账、证据链和基础审计能力
阶段2: 可判断与有限控制
- 价值主张: 判得准
- 优先能力: Prompt Injection检测、数据外发监控、RAG访问审计、高危动作检测
- 主要交付结果: 可解释风险优先级和有限阻断能力
阶段3: 身份与执行闭环
- 价值主张: 管得住
- 优先能力: Agent Identity管理、NHI治理、Token和委托链管控
- 主要交付结果: 身份、执行和响应闭环能力
阶段4: 自适应运营
- 价值主张: 持续优化
- 优先能力: 跨Agent关联、长期行为基线、自动策略优化
- 主要交付结果: 统一AI安全运营平台

AIDR30天验证计划（PoC）

周次	验证目标	关键活动	成功指标
第1周	AI资产发现	部署终端Agent和网络检测，发现Shadow AI使用，建立AI资产台账	AI资产发现覆盖率≥90%
第2周	Prompt风险检测	启用Prompt DLP，检测敏感数据上传，识别Prompt Injection尝试	敏感数据泄露事件检出数，Prompt Injection拦截率
第3周	Agent行为分析	监控Agent Session和Tool Call，检测高危动作	Agent行为审计覆盖率，高危动作告警数
第4周	响应闭环验证	配置响应策略，执行会话阻断和工具禁用，验证三态闭环	响应闭环验证通过率≥80%，平均响应时效

AI原生威胁场景与AIDR能力映射

场景	对应能力层	AIDR价值阶段
Shadow AI导致企业AI资产不可见	资产层	看得见 → 分得清
员工使用公共AI导致敏感数据泄露	数据层 + 语义层	分得清 → 管得住
RAG知识投毒与Prompt Injection导致Agent错误决策	语义层 + 数据层 + 行为层	判得准 → 管得住
恶意AI应用或Agent窃取企业信息	行为层 + 身份与权限层	判得准 → 管得住
Agent身份失控与多Agent委托链越权	身份与权限层	判得准 → 管得住
Agent运行异常导致业务失控	行为层 + 响应与取证层	判得准 → 管得住

AIDR与相邻品类关系

品类	主要关注	与AIDR关系	不足以构成AIDR的原因
AI-SPM	AI资产、配置风险、安全态势	属于发现与治理能力	缺乏运行时检测、调查和响应闭环
AI Gateway	模型访问代理、认证、路由、限流	是重要接入与控制形态	看不到端点、Agent执行、身份图谱和跨域事件
LLM Firewall	Prompt/Response语义防护	属于语义安全能力	覆盖对象集中在交互链路，缺少完整资产、行为、身份和响应体系
AI DLP	AI使用过程中的敏感数据保护	属于数据保护能力	无法替代Agent行为、Tool/MCP、调查和响应
AI TRiSM	治理、风险、信任、合规	AIDR是偏运行时的产品化落地	TRiSM是治理框架，不等同于可部署的检测响应产品
ECP / AI Endpoint Security	AI终端环境、Agent客户端、插件、MCP	AIDR的重要数据来源和执行控制点	缺少跨域检测响应

AIDR与EDR/XDR的关系

维度	EDR	XDR	AIDR
核心对象	终端进程、文件、注册表	终端、网络、云、身份等跨域遥测	Prompt、Response、Agent、Tool、MCP、RAG、Memory、NHI
检测逻辑	代码与行为	跨域行为关联	语义、数据、身份、意图与执行行为联合检测
核心遥测	终端传感器	多源安全日志	AI交互日志、Agent Session、Tool Call、身份、数据及传统安全遥测
响应动作	进程阻断、终端隔离	跨域编排处置	会话阻断、工具禁用、撤权、隔离、SOAR联动
主要价值	保护终端运行时	统一安全运营	保护AI与Agent运行时

中国AI安全现状与AIDR实践

中国AI安全监管框架已形成，涵盖网络安全、数据安全、个人信息保护和生成式AI治理。
中国大型企业AI部署环境具有本地可控、开放适配、全程可审计和业务连续的四类典型实践要求。
AIDR需具备本地部署、多源遥测、AI与IT统一关联、可审计和可持续运营能力。

AIDR战略优势

AIDR以AI XDR统一中枢为核心架构原则，汇聚多源遥测，形成统一检测响应闭环。
AIDR能够连接资产、语义、数据、行为、身份和响应能力，实现AI资产可见、AI行为可理解、AI风险可追溯、响应结果可验证。
AIDR旨在在安全、合规和业务连续的前提下，让AI进入生产环境并持续运行。

总结

AIDR是AI时代继EDR/XDR之后，面向AI运行时的新一代检测与响应安全品类。它通过六层产品能力模型和八平面技术参考架构，构建完整的AI运行时安全防护体系。AIDR的建设路径应遵循渐进式演进原则，从资产发现、风险检测、身份治理到响应闭环逐步推进。通过30天的PoC验证，企业可以快速确认AIDR的最小闭环是否跑通，为后续全面建设提供信心和依据。

展开完整摘要