随着生成式人工智能（GenAI）在企业办公场景的广泛应用，企业在享受效率提升的同时，也面临着核心数据泄露、员工滥用风险应用、以及 Prompt 注入攻击等新型安全挑战。

AI 访问安全（GenAI Protection）作为飞连安全 Web 网关（SWG）的核心能力之一，旨在为企业提供针对 AI 应用的全场景、语义级安全防护。通过网关侧的深度内容审计与多维应用识别引擎，帮助企业实现 AI 资产的可视化盘点，并通过“语义护栏”技术，实时识别并阻断 Prompt 中的敏感信息外泄与违规行为。

核心价值 #

• 全量资产可见：自动识别并盘点企业内员工使用的全量 AI 资产，涵盖网页端 AI 应用、大模型 API、MCP Server、CLI 命令行工具及 Skill 插件。通过资产看板量化评估 AI 的使用热度、组织分布及风险暴露面。
• 语义级深度防护（大模型护栏）：利用 AI 语义识别技术对“请求内容”进行深度分析。能够精准识别角色扮演、目标劫持等复杂的提示词攻击，并针对核心代码、客户隐私等敏感数据外泄执行“执行动作”级拦截。
• 开发者工具安全（CLI/MCP 审计）：针对开发者常用的命令行工具（CLI）与智能体（Agent）调用的外部 Server（MCP），实现从“工具可见”到“原子行为可见”的精细化审计，消除企业在 AI 自动化流程中的监管盲区。
• 供应链风险拦截（Skill 查杀）：基于威胁情报引擎，自动识别并拦截包含恶意依赖、仿冒包等风险的 Skill 下载行为，确保 AI 技能插件下载链路的安全性。

应用场景 #

• 场景一：识别并治理影子 AI 资产
  • 痛点：员工私自使用未经授权的 AI 工具或 MCP Server，导致企业数据流向不可控。
  • 方案：在 AI 防护策略中配置覆盖全员的“全量发现”底座策略（处置动作为“观察”）。系统基于该底座持续监测流量，并在 AI 资产发现页面自动汇总资产清单。管理员可基于使用热度与风险研判结果，将违规应用升级为“拦截”策略，实现从发现到治理的闭环。
• 场景二：对抗提示词攻击（越狱防护）
  • 痛点：员工或外部风险人员利用精心设计的 Prompt（如角色扮演、目标劫持等）试图绕过 AI 的合规性限制，诱导模型产生违规输出。
  • 方案：开启 SSL 解密并配置语义护栏策略，勾选角色扮演、权限提升、目标劫持等检测分类。系统将深度研判对话意图，识别并阻断具有欺骗性、误导性或恶意绕过特征的提示词请求，防范因模型误导导致的违规风险。
• 场景三：AI 插件与供应链安全治理
  • 痛点：智能体（Agent）调用的外部 Server（MCP）或下载的技能插件（Skill）存在供应链风险与审计盲区。
  • 方案：启用 SKILL 防护，系统将联动威胁情报自动阻断来自高风险源头的 Skill 下载行为；开启 MCP 流量采集，通过 MCP 日志实现对原子工具（Tool）调用行为的深度审计，防范 AI 供应链投毒。
• 场景四：保护发给 AI 的敏感信息
  • 痛点：员工使用 AI 时，可能将客户资料、内部项目内容等敏感信息提交给 AI。
  • 方案：在数据安全 > 策略中心 > 管控策略 > GenAI 数据保护中，通过分类分级规则识别提示词中的敏感内容，并执行审计或阻断。具体操作请参见配置 GenAI 数据保护策略；策略命中后，可参考查看 GenAI 数据外发日志追溯相关事件。

开始使用 #

在开始配置 AI 访问安全策略之前，请确保您已完成了 SWG 的基础配置（如引流策略、证书分发等）。

1. 配置 AI 防护策略：定义审计与拦截规则。
   • 参考文档：AI 防护策略配置
2. 管理 AI 资产发现：了解企业内部 AI 应用的使用现状，识别潜在风险资产。
   • 参考文档：AI 资产发现管理
3. AI 访问安全日志审计：查看防护实效，分析违规详情并持续优化策略。
   • 参考文档：AI 防护日志审计