Gartner 於 2026 年 4 月發布的研究顯示，到 2028 年，25% 的企業 GenAI 應用程式將每年遭遇至少五次輕微安全事件。在這 25% 之外的組織，並非擁有最大安全預算的那些——而是在部署前就將代理 AI 治理作為架構決策的組織，而非在事故發生後才啟動補救項目的組織。
本文梳理代理 AI 獨有的四個攻擊面、導致其可被利用的身份與訪問管理失效，以及香港企業 IT 主管現在即可實施的治理步驟。
AI Agent 為何創造了全新的企業安全風險類別？
AI Agent 並非更智能的聊天機器人。它們是能夠連接企業生產系統的自主軟件執行者，在每一步操作無需人工批准的情況下採取行動，並可在單一工作流程中跨 CRM、ERP 和文件系統串聯多個操作。這種自主性正是其生產力的來源，也是其構成根本不同於任何既往企業軟件的安全問題的根源。
傳統企業安全建立在一個假設之上：每一個重要動作在執行前都有人工決策節點。員工提交申請，系統驗證訪問，人工審批結果。AI Agent 打破了這一序列。一個能夠訪問 CRM、文檔管理系統和電子郵件平台的代理，可以在沒有任何人工決策節點的情況下，按序讀取敏感數據、起草通信並更新記錄。
根據麥肯錫 2026 年企業 AI 安全研究，80% 的組織已遭遇 AI Agent 的危險行為——包括未授權數據暴露和不當系統訪問——而大多數組織尚未大規模部署代理。隨著能力和連接範圍擴大，風險敞口呈複合式增長。
企業 AI Agent 獨有的四個攻擊面是什麼？
Gartner 的 2026 年網絡安全分析識別出代理 AI 為企業環境引入的四個獨特攻擊面。每一個都沒有傳統軟件安全中的直接對應物，這正是現有控制措施往往無法有效應對的原因。
一、提示注入攻擊。攻擊者在代理 AI 預期處理的內容中嵌入惡意指令——客戶電子郵件、文檔或網頁。代理無法區分合法指令與注入命令，以其完整的系統訪問權限執行攻擊者的指令。與針對數據庫的 SQL 注入不同，提示注入直接針對 AI 模型的推理過程。
二、過度授權的代理身份。AI Agent 需要憑據才能連接企業系統。當這些憑據在部署時被賦予過多權限——這是阻力最小的路徑——一個被入侵的代理即成為擁有特權的內部威脅。Gartner 預測，到 2026 年底，AI 相關法律索賠將超過 2,000 宗，訪問控制失效是主要原因之一。
三、多代理信任利用。企業 AI 架構越來越多地涉及代理鏈——一個協調代理向專業子代理委派任務。當這些代理在沒有獨立驗證的情況下相互信任對方的輸出，鏈中較早被入侵的代理可以污染下游每個代理的輸出。每增加一個代理，攻擊面呈幾何級數增長。
四、工具和 MCP 服務器供應鏈風險。AI Agent 通過工具和 MCP 服務器連接外部系統。未經審查的第三方工具或 MCP 連接器可能包含惡意邏輯，在代理調用時執行——這是一個在執行路徑中沒有人工審查的供應鏈攻擊向量。
AI Agent 如何導致身份與訪問管理失效？
傳統 IAM 為人類執行者設計：用戶憑憑據進行身份驗證，根據角色獲得訪問權限，其行為記錄在其身份下。AI Agent 以現有 IAM 基礎設施無法應對的方式打破了這些假設。
代理身份註冊。大多數企業 IAM 系統沒有非人類代理身份的原生概念。代理通常被賦予為批處理進程設計的服務賬戶憑據——這些憑據沒有會話上下文、沒有行為基線，也沒有自動失效機制。從 IAM 系統角度看，在服務賬戶下運行的被入侵代理與合法自動化進程無法區分。
憑據範圍與生命周期。人類憑據通常在與就業或角色變更相關的定期訪問審查中被審核。代理憑據沒有等效的生命周期管理。根據 Atlan 2026 年企業 AI 安全分析，代理部署中最常見的訪問控制失效，是在部署時配置的憑據從未被重新審查——即使代理的任務範圍隨時間顯著擴展。
操作歸因與審計。IAM 審計日誌捕獲訪問了什麼。代理工作流需要歸因決策了什麼以及原因——這一日誌層次需要專門構建的代理可觀測性工具，而非標準 SIEM 基礎設施。對於在金管局、證監會或個人資料私隱專員公署監管下運營的組織，這一歸因缺口具有直接的合規影響。
香港《個人資料（私隱）條例》如何適用於 AI Agent 部署？
香港《個人資料（私隱）條例》適用於任何個人資料的處理——跨企業系統訪問、匯總或處理個人資料的 AI Agent 須完全遵守其要求。個人資料私隱專員公署於 2026 年 3 月 16 日發出的專項警示明確指出：代理 AI 比普通 AI 聊天機器人帶來更高的數據私隱風險，原因在於其能夠在單一工作流程中自主訪問多個系統中的個人資料。
代理 AI 部署最直接涉及三項條例原則。數據最小化原則要求代理僅訪問其定義任務所需的個人資料——在單一憑據集中訪問 CRM、HR 和文檔系統的代理幾乎肯定以現有形式違反了這一原則。目的限制原則要求為一個目的收集的數據不得用於另一個目的——當一個為客服任務訓練的代理被用於內部人力資源分析時，目的已改變，數據使用可能不再合法。
對香港企業主管的實際影響是：私隱合規審查現在必須包含專門的代理 AI 評估，與大多數組織已進行的一般 AI 工具審查分開進行。個人資料私隱專員公署發出 2026 年 3 月警示後，已發出執法關注度將隨之提升的信號。
Gartner 的企業 AI Agent 安全框架包含哪四個支柱？
Gartner 的 2026 年網絡安全趨勢報告將代理 AI 治理列為頂級企業安全優先項，並概述了以四個支柱為核心的治理方法：
支柱一：最小權限代理身份。每個 AI Agent 應僅被賦予完成其定義任務範圍所需的最小憑據，並在與人類訪問審查相同的周期內接受審查。代理不應對其偶爾訪問的系統持有常設憑據；即時訪問配置是推薦模式。
支柱二：專門構建的代理可觀測性。標準審計日誌捕獲訪問了什麼。代理可觀測性需要在推理層進行日誌記錄：代理收到了什麼指令、調用了哪些工具、訪問了哪些數據，以及每一步做出了什麼決策。沒有這一層，代理相關漏洞后的事故調查實際上無從進行。
支柱三：輸入驗證與輸出核查。處理外部內容的 AI Agent 應通過清理層，檢測並剝離潛在的提示注入有效負載。同樣，觸發重要動作（財務轉移、數據導出、系統修改）的代理輸出，應在執行前通過驗證步驟。
支柱四：工具和連接器的供應鏈治理。AI Agent 可調用的每一個工具、插件和 MCP 服務器，都應接受等同於任何具備生產系統訪問權限的軟件的供應商安全審查，包括開源連接器和由缺乏安全審查門禁的團隊內部開發的工具。
如何構建 AI Agent 安全態勢？90 天行動路線圖
知悉這些風險與建立主動安全態勢之間的差距，正是 2026 年大多數企業組織所處的位置。以下路線圖將 Gartner 框架和 PDPO 要求轉化為序列化行動計劃，可由 IT 總監或數字化轉型主管在 90 天內執行。
第 1–30 天：清單與訪問審計。識別企業內當前運行的所有 AI Agent——包括各業務部門的影子部署。對每個代理，記錄其連接的系統、持有的憑據、憑據配置時間，以及是否曾進行過最小權限審查。此清單是後續一切工作的前提。
第 31–60 天：可觀測性層與治理政策。部署捕獲推理步驟、工具調用和數據訪問模式的專用代理日誌工具。起草 AI 代理訪問治理政策，定義憑據配置標準、審查周期，以及擴展代理工具訪問範圍的審批流程。此政策在定稿前應由法律和合規部門審查，特別針對 PDPO 要求。
第 61–90 天：輸入驗證、輸出控制與供應鏈審查。為處理外部內容的代理實施提示注入檢測層。為跨越定義風險閾值（財務、數據導出、系統修改）的代理動作增加人工審查節點。對當前使用的所有第三方工具和 MCP 連接器進行安全審查，並為任何新連接器在生產部署前建立審查門禁。
懂AI，更懂你。UD 的團隊具備 28 年企業安全和技術落地經驗，協助香港組織系統性地構建這一能力——從評估現狀到政策設計，再到技術實施，每一步清晰可執行。
強化企業 AI 安全 🛡️ 立即行動
UD 是值得信賴的託管安全服務供應商（MSSP）
擁有 28 年經驗，已為超過 50,000 家企業提供解決方案
UD 團隊手把手帶你完成每一步——從 AI Agent 安全評估、治理政策設計，到滲透測試與全面 MSSP 覆蓋。