近年，生成式AI逐步进入企业办公、研发、客服和业务管理等场景。员工使用AI助手整理文档、分析数据，研发人员借助编程Agent生成代码、调用工具，AI正在成为企业提升效率的重要入口。

但随着AI应用深入业务，新的安全问题也随之出现：

企业到底用了多少AI？

哪些应用由谁使用？

员工是否将客户资料、源码或经营数据提交给外部AI？

具备文件读取、命令执行和网络访问能力的Agent，又做了哪些操作？

过去，企业关注的是“是否安装了软件”；现在，还需要进一步了解“AI正在做什么”。

面向企业AI应用治理需求，联软科技推出AIDR（AI安全检测与响应方案），通过终端侧、网络侧和统一管理审计平台协同，帮助企业摸清AI使用情况，识别关键风险行为，并建立覆盖发现、审计、管控和处置的治理闭环。

看见AI使用，管住AI风险。

1从“看不见”到“看得清”：建立AI使用基线

AI应用的使用入口越来越多，既包括网页和客户端，也包括IDE插件、编程Agent、技能组件和第三方服务。应用分散、账号分散、使用方式分散，使企业很难形成完整的AI资产清单。

AIDR首先解决的是“看见”的问题。

通过软件管理云库、AI网站库和应用识别能力，AIDR可围绕AI Web应用、AI客户端、AI IDE插件和AI编程类Agent等形态，帮助管理员了解企业内部安装了哪些AI应用、访问了哪些AI网站、哪些用户正在使用，以及相关应用运行在哪些终端。

在统一管理平台中，管理员可以从应用视角和用户视角查看AI使用情况，掌握“谁在用、用什么、用多少”，并形成企业AI使用基线。

先摸清AI底数，才能明确治理对象；先建立使用基线，才能判断哪些行为真正需要关注。

2从“谁在使用”到“做了什么”：会话与行为全程可追溯

对于已纳管且完成适配的AI应用，AIDR可以记录用户、终端、应用、会话时间、登录账号及相关会话数据，并在管理平台中提供AI使用情况、AI会话记录和详情查询能力。

当员工使用AI处理客户信息、合同内容或经营数据时，管理员可以根据用户、部门、设备、AI应用和应用类型等条件进行组合查询，进一步查看具体会话和相关记录。对于支持相应审计能力的应用，还可以结合会话内容、工具调用、执行结果及配置情况开展深入追溯。

这样，企业的审计视角就不再停留在“某台终端访问过某个AI网站”，而是能够进一步回答：谁在什么时间使用了什么AI，输入了什么内容，发生了哪些关键动作，是否存在越权或违规行为。

当出现账号切换、多人共用或异常登录等情况时，会话记录与登录账号信息也可以为责任追溯和事件复盘提供依据。

3三维行为管控，让AI Agent有边界地运行

AI Agent带来了自动化能力，也扩大了终端安全边界。它可能读取项目文件、执行命令、访问网络，甚至调用外部工具。AIDR围绕命令、文件和网络三个维度，对AI应用行为提供审计、审批和阻断能力。

命令执行管控方面

管理员可以根据AI应用、进程关系和命令特征配置策略，对删除、提权、远程连接等高风险操作进行识别和处置。命中规则后，系统可以记录AI应用、命令目标、父进程和执行结果，并按照策略选择允许、审计或阻断。 

文件目录管控方面

企业可以为AI应用划定可读、可写或禁止访问的目录范围，保护源码、客户资料、凭证文件和系统关键目录。在研发场景中，可限制编程Agent仅访问授权项目目录；在办公场景中，可降低敏感文件被读取、修改或删除的风险。

网络访问管控方面

管理员可以按照IP地址、网段、域名和通配域名等条件配置访问策略，对AI应用的外联行为进行审计或阻断，减少其连接未授权服务或绕过既定访问路径传输数据的风险。

三维管控并不意味着对AI应用“一刀切”。企业可以根据业务风险采用分级策略：常规操作以审计留痕为主，高风险动作进行阻断，特殊场景通过审批机制兼顾安全与业务连续性。

4终端与网络协同，形成AI安全治理闭环

AIDR由终端侧E-AIDR、网络侧N-AIDR和统一的AI安全管理与审计平台协同组成。

终端侧E-AIDR主要关注“AI在主机上做了什么”，负责AI应用识别、会话与账号信息采集，以及命令执行、文件目录和网络访问等行为控制。

网络侧N-AIDR主要关注“AI访问在网络中如何流转”，可结合统一AI入口、白名单和网络侧检测能力，对AI流量、提示词、文件上传及绕过既定访问路径的异常流量进行识别与管控。具体能力取决于网络部署方式、协议特征和应用适配情况。

统一管理与审计平台负责策略配置、范围管理、策略下发、数据汇聚和查询分析。管理员可以按照组织、用户和终端圈定策略范围，也可以从应用、用户、会话和动作等维度进行组合查询，支撑日常运营、事件复盘和合规举证。

5办公与研发场景，治理重点各有不同

l 办公场景

AIDR帮助企业掌握员工使用了哪些AI应用，并对会话、账号和关键操作进行留痕。当对话涉及客户资料、报价信息或经营数据时，管理员可以结合人员、终端、时间和应用信息开展风险判断。

l 研发场景

AIDR重点关注源码、项目目录和高权限账号。企业可以限制编程Agent的文件访问范围，保护密钥、凭证和系统关键路径；对高风险命令和未授权网络连接实施控制；对已适配应用的会话内容、账号信息和工具调用进行审计追溯。

让Agent参与研发，并不等于将所有权限交给Agent。通过明确运行边界、数据边界、身份边界和网络边界，企业可以在保障研发效率的同时，降低核心技术资产失控风险。

6从审计观察开始，循序推进AI治理 

AI安全治理不宜一开始就全量阻断。企业可以结合自身业务、终端和网络情况，采用“先审计、再管控、持续运营”的推进方式。

首先，通过软件、网站和终端识别能力完成AI资产摸底，形成应用清单和使用基线。

其次，启用会话、账号和关键行为审计，了解真实使用方式及业务影响。

随后，选择研发、财务、法务等高敏感部门开展灰度验证，针对命令、文件和网络访问配置分级策略。

最后，根据试点结果逐步扩大管控范围，将新发现的AI应用、域名和行为模式纳入识别库和管控规则。

7让AI成为可控的生产力

AI应用的价值，不应建立在企业安全能力失效的基础上；安全治理也不应成为阻碍AI创新的理由。

联软科技AIDR面向企业AI应用治理中的现实需求，通过终端侧与网络侧协同识别、策略管控和集中审计，帮助企业逐步回答五个关键问题：谁在使用AI？使用了什么AI？输入了什么数据？AI执行了什么动作？出现风险后如何追溯和处置？

从看见AI资产，到审计AI使用；从划定Agent行为边界，到形成事件处置闭环，AIDR帮助企业在控制风险的同时释放AI应用价值，让AI真正成为可见、可管、可持续运营的生产力。

联软科技将持续围绕企业AI应用场景完善安全检测与响应能力，助力更多组织构建面向未来的AI安全治理体系。