资产可见|智能体资产测绘
通过被动识别与主动探测发现实例,将运行资产与登记台账比对,识别未登记的影子智能体,以及已下线却仍在运行的僵尸智能体。
将分散的信息转化为可分析、可追溯、可处置的安全依据。
通过被动识别与主动探测发现实例,将运行资产与登记台账比对,识别未登记的影子智能体,以及已下线却仍在运行的僵尸智能体。
关联会话、工具调用与数据访问记录,还原一次运行的执行轨迹;结合分级检测识别异常,并将 Token 消耗和调用计量纳入态势视图。
通过框架安全插件、API / MCP 网关及第三方设备联动,对高危工具调用、越权操作和敏感数据外发采取相应措施,跟踪告警、处置、验证与归档。
上线前检查技能权限、内嵌敏感信息、第三方组件和端口暴露;运行中持续评估,技能或配置变更后复评,形成分级风险画像。
围绕业务中的数据与行为,建立从采集分析到管理处置的完整路径。
审查技能组件权限、内嵌凭据、第三方组件与端口暴露,将检查结果纳入发布审核。
关联过程证据,识别行为异常和敏感数据流转风险;技能或配置变更后开展复评。
持续探测环境中的残留实例,与下线记录比对,推动僵尸智能体清理。
比对实际运行实例与登记台账,推动未知实例纳管、残留实例清退,持续维护资产底图。
按同一次运行关联输入、规划、工具调用与输出,结合基础设施行为及网关记录开展回放与证据导出。
关注 RAG 检索、文件处理和 API 调用中的敏感数据流向,关联跨域外发、异常外联及隐蔽泄露线索。
上线前检查 Skill / MCP 权限、凭据与端口配置,运行中核查实际行为,变更后复评,下线后检查残留。
通过规则、语义与大模型分级研判,识别已知注入、伪装指令与复杂多轮攻击,联动相应防护措施。
结合授权范围、调用参数与任务意图核查工具使用,识别异常高频调用和跨租户访问等风险。
观察 Token 消耗、调用频次与重试模式,关联风险告警,辅助识别异常刷量和失控循环。
平台与监测数据可部署在用户自有网络内,大模型研判引擎支持本地部署。适配物理机、虚拟机、容器及私有云等环境;以旁路采集建立监测审计能力,阻断通过框架安全插件、网关或第三方设备接入实现,按策略区分告警与拦截。
了解配套专业服务从需求梳理到方案落地,与京信万维一起推进。