核心变化在于架构:Exabeam 的行为模型并非将安全遥测数据路由到外部分析引擎,而是直接在 Google Security Operations 已托管的数据上原地运行。这使得安全团队能够在一个统一平台上,对非人类身份(即 AI Agent)应用与人类用户相同的行为基线分析和异常检测 。
该解决方案也可通过 Google Cloud Marketplace 采购,从而减少了已在使用 Google Cloud 生态系统的组织的管理摩擦 。
传统安全监控是为人类行为模式设计的:登录时间、文件访问量、权限提升序列。AI Agent 打破了这些模型。它们 7x24 小时运行,直接调用 API,使用有效凭证执行合法工作流,并且随着底层模型更新或重新训练,可能悄无声息地偏离预期行为 。
Exabeam-Google 集成通过三种机制解决这一问题:
针对非人类身份的行为分析。 安全团队可以在同一平台内监控 AI Agent 以及人类用户的活动模式,检测表明误用、失调或受损的异常行为 。当 Agent 开始访问其正常范围之外的系统或以异常顺序调用工具时,行为模型便会发出警报。
跨人类和 Agent 的统一内部威胁检测。 Exabeam 的行为智能能够识别无论来自员工、承包商还是 AI Agent 的各类风险活动。Exabeam CEO Pete Harteveld 指出:“AI Agent 的崛起正在从根本上改变工作的完成方式,也改变了组织思考风险的方式”。Exabeam 首席 AI 和产品官 Steve Wilson 更直截了当地表示:“随着 AI Agent 成为企业内部环境中的数字员工,组织现在必须以同等程度的监督来保护和治理人类及非人类身份”。
无数据迁移开销。 由于分析直接在 Google Security Operations 已有的数据上运行,团队避免了将 Agent 遥测数据路由到单独工具的操作复杂性。Exabeam 内部测试表明,这可以将检测、调查和响应工作流的速度提升高达 80%。
此次集成建立在 Exabeam 在 2025 和 2026 年持续推动将行为情报适应于“Agent 驱动型企业”的基础之上。该公司在 2026 年 7 月将 AI 重点检测覆盖范围翻倍至 90 个检测模型,在已有对 OpenAI ChatGPT、Google Gemini、Microsoft Copilot 和 GitHub Copilot 支持的基础上,新增了对 Anthropic Claude 的支持,并发布了 OWASP Agentic Top 10 覆盖洞察 。它还赢得了 2026 年 Google Cloud 安全:分析与运营年度最佳合作伙伴奖 。
其核心观点是:AI Agent 风险看起来很像内部威胁——一个拥有合法凭证的授权实体做出意外或危险行为——但传统工具无法发现它,因为它们是为人类校准的。通过将 Agent 行为分析纳入安全团队已在使用的同一控制台,Exabeam 和 Google 押注的解决方案并非新工具,而是在团队已使用的工具内部提供更好的可见性。