随着AI 智能体从"信息理解工具"向"自主决策执行主体"持续演进，企业面临的安全风险跳出传统 AI 模型安全的局限，呈现全域化、链条化、隐蔽化的全新特征，威胁贯穿智能体指令输入、功能执行、协同交互、结果输出全流程。相较于传统 AI 安全，智能体时代的攻击手段更具针对性与破坏性，核心可归纳为三大新型趋势，倒逼安全防护从 "单点被动防御"升级为全链路动态体系化治理。
1.2.1 系统提示词窃取与篡改：高隐蔽性核心数据攻击提示词是 AI 智能体理解任务逻辑、执行操作指令的核心依据，企业业务型智能体的系统提示词中，通常嵌入 API 密钥、客户核心资料、内部业务流程、系统权限指令等高度敏感信息，相当于智能体的"核心指令大脑"。攻击者无需突破复杂的系统边界，仅通过正常交互会话即可截获、篡改或伪造提示词，直接操控智能体执行未授权操作、窃取企业核心数据。
这类攻击依托正常业务会话实施，几乎不会留下明显系统异常日志，隐蔽性极强、早期检测难度极大，极易在无声无息中完成大规模数据外泄，给企业造成不可逆的损失。企业必须搭建提示词加密传输与存储、敏感信息脱敏、异常调用行为实时监控的多层防护体系，从源头筑牢提示词安全防线。
1.2.2 内容安全绕过：生成式内容合规失控风险
内容安全绕过是针对生成式 AI 智能体的典型攻击手段，攻击者通过精心构造诱导性输入指令，规避模型内置的安全过滤策略与合规管控规则，诱导智能体输出违规、敏感、有害内容或非法操作指令。这类攻击无需直接修改模型底层算法，仅利用生成式 AI 的逻辑开放性与上下文理解特性即可生效，典型风险包括智能体无意泄露内部核心数据、规避行业合规过滤规则、生成高风险业务操作指令等。
其核心防控难点在于，攻击行为完全嵌套在正常业务交互中，传统静态内容审核无法精准识别。企业必须构建全量会话实时监控、动态内容合规审核、数据防泄露（DLP）联动、工具调用权限刚性约束的全流程机制，确保智能体输出内容全程符合安全与合规要求。
1.2.3 智能体特有间接注入攻击：链条化隐蔽渗透威胁
间接注入攻击是 AI 智能体特有的新型攻击方式，也是多智能体协同场景下的核心高危风险。攻击者依托 Skill 功能插件、跨智能体协作、多步骤业务操作链等场景实施间接渗透，逐步非法获取敏感权限、执行未授权操作，最终实现对整个智能体体系的控制。
这类攻击的核心特征是极强的隐蔽性，恶意 Skill 可在执行表面合规任务的同时，悄悄联动其他智能体或外部接口，逐级提升权限、窃取敏感数据，攻击行为完全隐藏在正常业务流程中，传统静态安全检测、边界防护手段难以提前发现。应对此类风险，企业需实现 Skill 全生命周期追踪、智能体行为基线建模、权限变更动态管控、全链路操作日志审计，确保每一步操作可追溯、可管控、可阻断，彻底切断风险传导链条。
总体来看，这三类新型攻击充分印证了 AI 智能体安全的本质变革，也凸显了企业安全体系升级的迫切性。与传统单模型安全相比，智能体体系安全涉及数据、行为、权限、工具链、协同交互等更多维度，攻击速度与扩散效率远超人工审查与常规防护的承载上限。企业必须摒弃传统被动防护思路，构建动态、全链路、实时可控的智能体专属安全管理体系，实现全场景、全环节无死角防护，才能在 AI 智能体时代守住安全底线。