微软警示前沿 AI 模型不可信：AI 智能体堪比内部威胁，推出 Guardian Agents 防护方案

10 月 20 日消息，微软于当地时间周一推出了多项全新安全功能，旨在帮助企业抵御日益严峻的智能体带来的安全威胁。发布该产品之际，微软持续向企业警示人工智能与智能体存在的各类风险。

注意到，本次新增功能中最受关注的当属守护智能体（Guardian Agents），这项新功能用于监控企业内部正在使用的各类 AI 智能体。守护智能体隶属于感知项目（Project Perception），感知项目是微软在 6 月推出的产品。

感知项目是微软针对 Anthropic 的 Mythos、Fable 等强大黑客模型，以及 OpenAI 的安全漏洞扫描系统破晓（Daybreak）所给出的应对方案。感知项目最初上线了三类智能体：扮演黑客角色实施攻击的红队智能体，负责侦测红队攻击、评估漏洞的蓝队智能体，以及专门修复漏洞的绿队智能体。

该产品最初的设计前提是，AI 黑客会来自企业外部。但近期，微软首席执行官萨提亚 · 纳德拉（Satya Nadella）发出警告，AI 层面的威胁源头，有可能正是企业自身部署、付费使用的智能体，就像一名行为失控的内部员工，也就是常说的“内部威胁”。

本月早些时候，纳德拉在个人博客中提出警示：是时候不再信任 AI 模型供应商，即便厂商为自家具备自主执行能力的智能体产品做出安全保障承诺。他建议企业搭建独立系统，这套系统不受 AI 实验室管控，用以监督和管控这些人工智能实验室推出的产品所对应的智能体。

他写道：“我们正在部署这类复杂的智能体系统与模型，它们可以访问我们最敏感的数据，还能代表我们执行关键业务操作！我们绝不能把智能体代我们行事的责任外包出去。模型供应商给出的保证，并不能免除我们的这份责任…… 换言之，我们需要将智能能力的供给，和对它的管控权限分离开。”

在介绍守护智能体时，微软安全业务负责人海耶特 · 加洛（Hayete Gallot）的表述更为直白。

她写道：“遗憾的是，前沿模型无论来源是哪里，都无法完全信任。”她补充，这并非因为模型本身带有恶意或者容易被黑客攻破，而是其行为具有不可预测性。模型训练目标是完成任务，而非遵守“组织规范或判断准则”。

除此之外，这些智能体往往手握高权限，能够访问各类数据与工具，一旦失控会造成严重损害。

微软给出的这套解决方案，既出人意料，也带有自身商业考量。令人意外的一点在于，微软与 OpenAI、Anthropic 关系紧密，同时对两家企业都有投资。OpenAI 也是微软云业务的大客户，微软自身也设有 AI 实验室研发大模型。也就是说，微软正在让客户对自己部分商业合作伙伴的产品产生警惕。

而从商业利益角度来看，微软希望企业从自己这家云服务商手中购买智能体安全产品，而不是向 Anthropic 和 OpenAI 采购。抛开利益冲突不谈，这套逻辑本身站得住脚：监控智能体行为的软件，应当和智能体的提供方相互独立，就像审计机构需要独立于被审计的组织。

正如纳德拉所说：“我们需要将智能能力的供给，和对它的管控权限分离开。”

微软正通过多种方式抓住这一商业机遇。除守护智能体之外，微软还在 Microsoft Defender 产品内新增智能体检测功能，最多可识别员工带入工作环境的 60 种智能体，其中包括 Claude Code、Codex 以及 OpenClaw。产品同时新增功能，可以限制智能体访问数据与系统的权限，并根据任务动态调整智能体权限。如果智能体即将做出高风险操作，系统会要求人工审批。

将智能体视作不可信任的内部威胁这一思路，也正在整个行业逐步形成共识。

微软是英伟达全新开放智能体安全平台（Open Agent Safety Platform）的创始成员，该平台已经获得超过 100 家科技企业支持。该平台将智能体隔离在安全环境中，依托硬件监测并终止异常行为，功能类似紧急切断开关。在此之前，微软已经发布专为智能体打造的新款 Surface Laptop Ultra 笔记本电脑，设备搭载英伟达芯片，内置智能体安全管控模块。