用数据血缘保障智能体企业的安全

赞助内容

数据血缘正在成为新的安全边界，它提供了治理、问责和信任所需的可见性，同时不妨碍 AI 的大规模采用。

2026年11月4日

一名销售代表向 AI 智能体询问客户定价，该智能体从多个来源提取数据：受限的定价系统、内部通信和存档的报价单。在智能体看来，输出结果看起来是准确的，于是第二个智能体使用这些数据为销售代表起草提案。两次交接都没有人工检查。当发现提案中包含未经批准的机密和敏感信息时，没有人能够追溯问题数据是从哪里进入工作流的，也没有人知道它如何在这些系统、文件和智能体之间传播。

这一场景说明了为什么 AI 治理需要快速、动态地演进。随着越来越多企业开始在日常工作流中使用智能体 AI，他们意识到必须管理的不仅仅是静态文件；还必须管理持续被摄取、复制、总结、转换、复用并以新形式重新分发的动态且碎片化的数据。简而言之，AI 安全不是一个工具问题，而是一个数据可见性问题。

因此，仅仅围绕应用程序、系统、网络或终端构建的传统安全方法已经不再足够。要大规模保护智能体 AI 的安全，就需要理解数据是如何流动的。因此，团队需要建立数据血缘，以便在人工、智能体和混合工作流中有效管理治理、问责和信任。

下载报告

本内容由 Insights（MIT Technology Review 的定制内容部门）制作，而非其编辑部。内容由人工研究和撰写，即使可能使用了 AI 工具，也仅限于在人工监督下的生产流程。

深度解析

保持联系

插图：Rose Wong

获取来自 MIT Technology Review 的最新动态

发现特别优惠、热门文章、 即将举行的活动等更多内容。