过去十余年间，企业网络安全架构主要建立在“人类用户”这一核心假设之上：即一个真实的人坐在屏幕前，通过单次会话完成身份验证并执行操作。传统的身份与访问管理（IAM）框架正是围绕这一逻辑设计的——系统在登录时校验凭证，在会话期间确立信任边界，并对后续活动进行监控。
然而，随着代理型企业的兴起，这一基础假设正面临严峻挑战。
当前互联网安全运营的核心痛点，已不再局限于首次访问时的身份验证。当自主软件代理、编码助手及自动化工作流大规模进入云环境、代码仓库、API 接口及内部系统时，其运行速度与自主性远超传统控制手段的覆盖范围。组织面临的真正难题在于：如何看见、管理并控制接入之后发生的一切。
攻击者日益倾向于利用阻力最小的路径入侵系统，而非挖掘复杂的技术漏洞。被盗或泄露的登录凭证因此成为首要目标，使攻击者在获得访问权限后能够伪装成合法用户，无需实施高难度的攻击手段。
与此同时，“影子 AI”、短暂凭证以及机器驱动的行为正在不断拓宽攻击面。由于企业部署 AI 工具的速度往往快于安全团队的响应能力，可见性缺口和治理盲区将持续存在。
传统 IAM 体系的失效之处
保护代理型企业最大的障碍之一，在于传统身份控制机制对于持续运行的机器而言过于静态。现有的 IAM 和特权访问工具擅长在特定时间点验证访问请求，但 AI 系统并不会在认证后停止运作。一旦初始登录触发，它们便会自主做出决策、调用工具并修改系统状态。这要求身份控制必须从单纯的“登录验证”转向对“行动背景下的行为评估”。
此外，现有系统的可见性严重不足。许多组织缺乏清晰的清单来回答以下问题：存在哪些 AI 代理？它们有权访问哪些数据？谁批准了它们的部署？它们代表谁采取了何种行动？当这些代理分散在混合云和 SaaS 环境中时，上述问题变得难以解答，导致安全盲点迅速扩大。
凭证风险同样不容忽视。在以人为中心的系统中，长期保密、共享凭证以及广泛的授权访问已是老生常谈的问题。而当这些凭证交给以机器速度运行的自主或半自主工具时，风险呈指数级放大。安全领导者需要一种新模型，旨在减少暴露面、改善归因追踪，并保持清晰的责任链，确保所有行动最终可追溯至人类所有者或政策决策。
构建面向“人机协同”的安全体系
应对这一新型威胁环境，意味着企业安全基础设施需从主要为人类管理员设计，转变为能够同时支持人类与人工身份的系统。这是代理型企业 IAM 架构背后的根本性转变：实现身份的编程化运行，全生命周期管理 AI 代理，并在行动发生时持续评估信任度。
这一转变包含三个关键维度：
- 治理：组织必须识别 AI 代理人，分配所有权，定义操作边界，并明确这些代理人被允许执行的任务范围。
- 运行时信任：确保访问权限在上下文中动态评估，能够快速遏制风险行为，而不依赖静态凭证或盲目信任。
- 可操作性：随着工作负载向 API、终端、编排层及 AI 辅助工作流转移，身份管理系统需在管理员控制台之外具备更高的易用性和集成能力。
组织应将此视为一个关键的运营设计问题，而不仅仅是解决“谁登录了”这一单一环节。
在机器速率下保障身份安全
代理型企业已不再是理论概念，AI 系统正在深刻影响整个企业的运营与决策流程。
网络安全领导者面临的挑战并非直接限制这些系统的能力，而是确保它们在明确的企业防护栏内安全、负责任地运作。治理将成为决定企业长期成败的关键因素之一。
能够有效运营和保护 AI 的组织，将从一开始就将身份管理、问责制和运行时控制纳入企业的运营结构中。创新应当被妥善管理而非扼杀，唯有做到这一点的组织，才能更充分地释放 AI 的价值。
