绿盟科技登榜AI赋能安全技术路线图，入围数量居安全厂商首位
内容提要
IDC报告将24项AI赋能安全技术分为变革型、增量型与机会型三类，绿盟科技入选12项推荐厂商。文章指出，AI正推动安全软件从Copilot走向Agentic架构，Agent成为新的安全计算与控制单元。绿盟入围技术覆盖攻防对抗、安全运营、模型底座与业务入口，其中5项属变革型。文章建议企业区分AI功能与Agentic架构，优先治理身份权限，先落地运营场景，并梳理AI资产。
延伸解读
入围数量不等于成熟度，要看技术落在哪条曲线上
绿盟科技入选12项推荐厂商，数量居首，但报告对每项技术标注了采用阶段、速度、风险与培育周期。其12项中5项属变革型，意味着这些技术会重构安全体系，但风险高、周期长，如AI主动防御平台培育期达4～5年。读者不宜把入围数量直接等同于产品成熟度或采购优先级，更应关注具体技术处于评估、部署还是维护阶段。
Agentic架构与Copilot功能的分界，决定选型逻辑
文章强调AI正从嵌入产品的Copilot走向Agent成为安全计算与控制单元。Copilot帮人查数据、做研判，人仍是操作起点；Agent则能自主规划任务、调用工具、跨系统执行。选型时可直接追问“这个AI能不能自己动手”，若不能，它只是效率工具，不应按架构升级立项。这一区分有助于企业避免为旧产品的新前缀支付架构级预算。
数字员工带来新的高权限身份风险
文章指出，安全数字员工本身就是一个新的高权限数字身份。凭证、工具调用权限或智能体逻辑一旦被滥用，可能导致越权操作、敏感数据泄露，甚至直接演变为安全事件。因此上AI之前应先回答：Agent用什么身份、能调哪些工具、权限边界在哪、谁审计其行为。身份治理未到位时，AI能力越强，潜在风险越大，这一顺序不应颠倒。
落地顺序：先运营场景，再盘AI资产
报告显示采用速度快的技术集中在SOC、威胁情报、XDR、ZTNA和Security Skills等运营层，这些场景高频、重复、输入输出明确，价值容易验证；检测引擎替换则风险高、周期长。同时，暴露面管理、WAAP和威胁情报都新增了AI应用、智能体、MCP接口等对象，这些资产大概率尚未进入CMDB。企业宜先让现有团队更快，并把AI资产、模型服务与Agent调用链盘成一张表，否则后续防护无从下手。
Q&A
IDC 这份 AI 赋能安全技术路线图报告把 24 项技术分成了哪几类？绿盟科技入选了多少项？
报告将 24 项 AI 赋能安全技术按市场影响和发展阶段分为变革型（8 项）、增量型（12 项）、机会型（4 项）三类。绿盟科技入选 12 项「推荐厂商」名录，是入围项数最多的安全厂商，其中 5 项属于变革型技术。
文章说 AI 正在把安全软件从 Copilot 推向 Agentic 架构，这两个阶段的核心区别是什么？
Copilot 阶段 AI 嵌在安全产品里帮分析师查数据、做研判、改配置，人仍是操作的起点；Agentic 阶段 Agent 成为新的安全计算与控制单元，能自己规划任务、调用工具、跨系统执行，重新定义了安全产品之间怎么协作、怎么决策、怎么运营。
Agentic Red Teaming、Agentic BAS 和 Agentic Penetration Testing 这三项验证技术分别解决什么问题？
Agentic Red Teaming 是目标导向的，问「真实攻击者能不能最终达成目标」，用来暴露单项产品测试看不到的体系性缺口；Agentic BAS 验证单项安全控制是否有效，核心是让安全验证具备动态性和自主编排能力，从攻击场景回放工具变成持续验证机制；Agentic Penetration Testing 把漏洞发现做成可执行流程（目标发现、攻击面分析、漏洞挖掘、漏洞利用、攻击路径推进），但需结合自动化验证和真实攻击遥测，减少「理论上可攻击、实际上不可利用」的误判。
安全数字员工和 Copilot 有什么不同？企业引入数字员工时最需要警惕什么风险？
Copilot 帮你查、帮你想；数字员工以「员工」身份持续执行威胁检测、响应、合规检查、漏洞管理等任务，具备自学习、自适应和自动决策能力，可与人协作也可独立完成事件处理。最需警惕的是数字员工本身就是一个新的高权限数字身份，一旦凭证、工具调用权限或智能体逻辑被滥用，可能导致越权操作、敏感数据泄露甚至直接变成安全事件，因此身份、权限、审计、运行时控制一个都不能省。
企业落地 AI 赋能安全时，文章建议优先做哪几件事？
文章给出四条建议：一是先分清「买 AI 功能」和「买 Agentic 架构」，选型时直接问这个 AI 能不能自己动手；二是把身份与权限治理放在 AI 项目之前，先回答 Agent 用什么身份、能调哪些工具、权限边界在哪、谁审计其行为；三是先接运营再接检测，优先落地 SOC、威胁情报、XDR、ZTNA、Security Skills 等高频运营场景；四是先把企业内的 AI 应用、模型服务、MCP Server 和 Agent 调用链盘成一张表，标注数据流向与权限范围。
为什么说邮件安全不能再只看单封邮件？Agentic Email Security 的分析维度变成了什么？
因为 BEC、账号接管、社会工程等攻击不靠恶意附件，而靠身份冒用、业务语境欺骗和长期通信关系，攻击者甚至能用生成式 AI 批量生成贴合目标企业沟通习惯的邮件，传统关键词、发件人信誉、恶意样本特征越来越吃力。Agentic Email Security 改为回答五个问题：谁在发、为什么发、和谁通信、是否符合正常业务关系、这封邮件可能导致什么后果，即把单封邮件放回用户、组织、历史通信和业务流程中判断。
垂域大模型在安全领域的价值体现在哪里？落地时为什么建议分层协同而不是一个大模型包打天下？
垂域模型强调对安全概念、攻击防御逻辑、业务上下文的内生理解，可作为威胁分析、代码安全、安全运营、风险研判、攻击溯源的统一智能底座，价值不在参数规模。落地建议分层协同：通用模型承担开放式理解和跨领域推理，垂域模型负责专业安全分析和判断，轻量模型扛高频低时延任务，中间用模型路由调度。因为告警分类、日志解析、IOC 提取、漏洞分析是高频任务，推理成本和响应延迟是规模化应用的真实门槛。
