问境AIST首发｜以AI治理AI，悬镜原创多模态AIST新品发布
随着大模型（LLM）加速从技术探索走向规模化应用，企业安全体系正面临一轮全新的挑战：AI 生成代码是否可能埋藏未知缺陷甚至潜在后门？第三方引入的基础模型、开源组件和数据集，是否存在投毒、篡改或供应链风险？而在智能体（Agent）逐步参与业务执行的背景下，一次提示词注入、一次插件滥用，甚至一次越权调用，都可能引发敏感信息泄露、业务逻辑失控等安全问题。
在这样的背景下，悬镜安全正式推出问境 AIST（AI Security Testing），**基于原创多模态 AIST 技术，**直击 Agentic AI 全生命周期过程中的原生安全风险，提供覆盖 AI 模型扫描、AI 代码安全护栏、AI 智能红队渗透与 AI 供应链安全情报预警一体化能力，赋能企业从传统软件供应链安全平滑迈向 AI 原生安全治理。
子芽：以AI治理AI，从传统软件供应链安全到AI原生安全
Gartner 最新研究指出，随着生成式 AI、智能体和第三方模型能力加速进入企业生产环境，企业需要将 AI TRiSM（AI Trust, Risk and Security Management） 应用于 AI 应用，覆盖第一方与第三方攻击面，并持续推进治理、监测、验证测试与合规能力建设。这意味着，AI 原生安全正在从传统软件供应链安全体系中的新增项，快速演进为企业数字化治理体系中的技术底座。
尤其在金融、泛互联网、能源、电信运营商及大制造等行业，AI 智能体（Agent）正日益嵌入核心流程，新增的攻击面（AI模型、智能体、MCP、Skills、AI供应链生态等）正给传统安全工具（AST/SCA/RASP等）带来新挑战，主要体现在：
- 黑盒化与不可观测性： 模型决策过程的"黑盒"属性打破了传统的代码逻辑和日志审计模式，导致风险极具隐匿性。
- 交互范式的彻底变革： 随着多模态、MCP（Model Context Protocol）、Skills 及 A2A（Agent to Agent）等新模式的涌现，提示词注入与插件滥用催生了更复杂的攻击面。
- 传统防护模型的瓦解： AI 应用重构了 IT 架构，使得基于固定规则的传统检测响应模型在动态生成的 AI 逻辑面前难以为继。
- 供应链风险的指数级传递： 开源生态与智能体架构加剧了对第三方模型和组件的依赖，任何底层的细微缺陷都可能引发系统性的安全崩塌。
- 数据安全敞口的全面放大： 从训练数据到 RAG（检索增强生成）私有库，数据全链路的深度介入放大了隐私泄露的风险。
"攻以守本，唯快不破"。悬镜首创基于"AI原生安全+ DevSecOps敏捷安全+多模态SCA+AI供应链安全情报预警"技术的新一代 AI 数字供应链安全治理体系，以 AI 治理 AI，从源头治理大模型开发、训练、部署到智能体运营等关键环节面临的 AI 原生安全风险，帮助企业用户构筑一套从传统软件供应链到 AI 原生供应链全生命周期的内生安全治理体系。
核心能力：全生命周期覆盖，构建 AI 原生安全治理体系
作为业内原创专利级新一代的多模态 AIST 治理平台，问境 AIST 秉持 "安全左移" 和 "敏捷右移" 的核心理念，通过五大核心能力，为企业构建起覆盖 AI 应用全生命周期的原生安全屏障：基于 原创 多模态 AIST 技术，通过 AI 模型扫描技术、AI 代码安全护栏、AI 智能红队渗透与 AI 供应链安全情报预警实现协同工作，为企业构建端到端的 AI 安全屏障，在享受 Agentic AI 的同时，从容应对新型安全风险。
1► 穿透"数字黑盒"： 让模型血缘与资产清单颗粒度可见
在 AI 应用的构建初期，最危险的风险往往源于对底层成分的"盲目信任"。传统的安全扫描通常止步于开源组件，却对Jupyter Notebook 等开发环境及其中嵌套调用的模型接口视而不见。
问境 AIST 引入了全要素资产指纹识别技术，如同为 AI 应用进行深度"CT扫描"，不仅审计代码逻辑，更能精准捕捉隐藏在项目中的本地或远程模型调用。基于此，问境 AIST 平台构建了 AI-SBOM（AI 软件物料清单）生成与分析能力。借助模型血缘分析技术，平台可自动化梳理出开源模型间的微调、量化及继承关系。
影子模型识别&模型血缘分析
针对 PyTorch、Pickle、Transformers 等 11 种以上主流模型格式，问境 AIST 提供反序列化代码执行及风险配置的深度探测。这种深度的透明化治理，让安全官能够像审视账单一样掌控 AI 资产，使企业在面对基础模型或第三方组件爆出高危后门时，能秒级定位受影响的应用链路，实现风险的全路径追溯。
2 ► 筑牢"Vibe Coding 安全边界"： 让AI代码安全护栏成为第一道防线
AI 应用的很多风险，并不是上线后才暴露，而是在代码生成、依赖引入、提交构建乃至发布过程中就已埋下。提示词拼接不当、模型调用失控、插件接入过宽、密钥硬编码、影子模型混入项目，都会随着研发流程持续传递和放大，也让开发阶段成为 AI 原生安全治理最关键的起点。
问境 AIST 面向 AI 辅助开发与 AI 数字供应链，构建覆盖代码生成、引入、提交、构建、发布等关键环节的代码安全护栏体系。依托大模型能力，并结合静态分析、软件成分分析与供应链安全检测技术，平台不仅可识别传统漏洞与敏感信息泄露，还可针对提示词注入、提示词泄漏、不安全工具调用、影子模型接入、外部 API 滥用等 AI 特有风险进行精准检测，实现对风险代码的事前识别、事中拦截与事后修复。