61% 的企业认为 AI 已成最大数据威胁——问题关键在“访问控制”

所谓“养龙虾”，其实就是在本地部署 OpenClaw，然后给它接入各种工具和权限，让它帮你整理邮件、管理文件、调用 API、自动执行任务、甚至直接操作系统......

一时间，教程满天飞——“10 分钟教你养龙虾”、“本地 AI 自动打工人”、“AI 替你干活”……

热闹归热闹，但很快，翻车案例也开始在网上疯狂传播。

有人发帖说：“D 盘没了。”有人说：“邮件被清空了。”还有人发现：“账号直接废了。”甚至有人吐槽：“余额都被清空了”......

这些并不是段子。

很多问题其实都来自同一个原因——AI Agent 拥有过多系统权限，未做好访问控制管理。

这一个个的翻车案例，也在不断提醒着大家一件事：AI 已经不只是聊天工具。它正在变成一个拥有系统权限的执行实体。正是在这样的背景下，Thales 发布的《2026 数据威胁报告》引发了广泛讨论。

报告中，有一个判断非常直白：AI，尤其是代理式 AI（Agent AI），正在成为企业“新型内部威胁”。

其中，61% 的企业认为 AI 已是当前最主要的数据安全威胁。这不是因为模型会“胡说八道”，而是因为：AI 在获得极高数据访问权限的同时，企业却没有同步建立可见性、分类管理与控制约束。

换句话说，我们给了 AI 钥匙，却没装监控，也没划边界。

01

为什么 AI 会被称为“新型内部威胁”？

AI 项目要成功，就意味着必须接入企业专有数据，如ERP、CRM、财务系统、数据仓库、文档共享盘等。

随着AI Agent的普及，它们被授权访问的数据量和调用频率都在指数级增长。

这些 AI 代理拥有合法凭据。一旦控制不当，它们就像拥有超级权限的内部员工，能够触达大量敏感资源。这就导致风险不一定来自“非法入侵”，也可能是“合法越权”。

也就是说，超过一半的企业并不知道：敏感数据在哪、哪些数据属于高价值资产、哪些资源未受保护......

如果企业自己都无法识别和保护数据，当一个具备强大检索与关联能力的 AI 代理接入系统时，它很可能会通过自己的方式“发现”这些资产。

以前是你不知道数据在哪，也没人主动找。现在是AI 会主动替你找。

AI 正在从“服务用户”向“自主代理”转型。

企业为了提效，开始让 AI自动创建单据、自动触发审批、自动跨系统执行、自动做出决策......控制权被逐步委派给 AI 代理。

当 AI 在自动化与系统抽象中模糊原本清晰的用户边界时，传统安全边界就开始失效。你原本只需要区分“谁能做什么”。现在变成了“某个代理在代谁做什么”。边界变得模糊了。

报告还指出：凭据窃取是当前云基础设施最主要的攻击方式，占 67%。而 AI 代理本身就是基于凭据运行的。

它们依赖API Key、Service Account、Token、Secrets等，如果 AI 代理的身份管理不完善，攻击者只需要操纵代理或窃取其背后的密钥，就能合法调用内部资源，带来“合法外壳下的非法利用”风险。

报告里有一句话非常深刻：如果组织无法定位、分类和保护价值数据，AI 代理很可能会通过自己的方式找到它们。

这本应是效率优势，却在缺乏访问控制与加密框架的情况下，直接转化为内部泄露风险。

AI 最大的能力不是存储，而是关联。它能把分散在多个系统中的数据拼接起来，形成新的敏感洞察。

这意味着曾经被忽略的“老系统数据”、多年未清理的历史权限、模糊不清的数据边界......正在被 AI 主动放大风险。

02

MCP、API、Agent等直连正在加速这个过程

的确，效率确实上来了。但调用链变成了“人 → Agent → API → 服务 → 数据”。一旦 Agent 使用共享服务账号，日志里只会留下一个名字：“系统”。

这就是典型的访问发生了，但主体模糊。出了问题，你也回答不了：这个请求来自谁？它为什么有这个权限？是否超出边界？能否快速止损？

这正是 Thales 报告中提到的：新型内部威胁。

03

企业真正缺的，是横向控制面

这一层是最底层，也是最重要的基础——搞清楚“谁是谁”和“什么是什么”，帮助企业：

这一层，是权限控制的“最强大脑”——每次访问，都问一个“凭什么”。

通过动态计算，派拉软件引入了基于关系图谱的ReBAC策略引擎。每一次访问请求，不管是你发的，还是你Agent发的，大脑都会根据“当前上下文”实时计算：“这小子现在有资格干这事儿吗？”

此外，通过逻辑与代码解耦， 权限规则不再硬编码在系统里，而是放在统一的策略中心。想改个权限？不用重新发布代码，直接在策略中心改，实时生效。

整个控制过程的核心思想是“Never Trust, Always Verify”。每一次请求，都是一次全新的背景调查。这就杜绝了“一次授权，永久有效”的隐患。

如果说大脑负责“想”，那网关就负责“做”和“拦”，在“动手”前，再加一道“安全阀”。

这是守护安全的最后一道物理防线。通过下面四道安全操作，有效加强安全访问控制：

04

AI 不是敌人，访问失控才是

回头再看最近这些“养龙虾翻车”案例，表面上看，这是 AI Agent 的安全问题。但如果再仔细想一想，其实问题并不在 AI 本身。

无论是普通人“养龙虾”，还是企业大规模引入 AI Agent，AI 从来没有恶意。真正危险的，是当一个拥有“高权限、高频访问能力、强关联能力和高度自主性”的执行实体，被放进系统里时，却没有相应的访问控制体系去约束它。

当 AI 同时具备权限高、自主性强、调用频繁、跨系统关联能力强......一旦再遇上数据不可见、权限不精细、身份不可追溯，风险就会迅速被放大。

这也是为什么，从 OpenClaw 的个人翻车案例，到企业 AI 安全讨论，问题最终都会回到同一个核心：访问控制。

随着企业系统越来越复杂，数据流动越来越频繁，AI 代理越来越多，企业真正需要思考的问题其实很简单：你的“横向管控体系”建好了吗？它能做到“四个可”吗？