生成式 AI 能提高工作效率，但员工每一次输入提示词、上传文档，也都可能成为一次数据治理决策：客户资料、密码、财务数据或内部文件，是否会被提交给第三方 AI 服务？

Barracuda Networks 在 2026 年 9 月推出的 Barracuda AI Data Security，定位正是解决这一问题。该服务面向希望安全使用生成式 AI、但缺少专职 AI 安全团队的企业，以及为多个客户统一提供安全服务的托管服务提供商（MSP）。245

它是什么：在员工与 AI 工具之间设置管控点

Barracuda AI Data Security 是 Barracuda AI Security 产品组合中的安全与治理服务。Barracuda 表示，该方案在 BarracudaONE 平台上整合 AI 使用可见性、数据保护、威胁防御和治理能力。12

其核心目标并非禁止员工使用 AI，而是在允许获批工具用于工作的同时，降低敏感业务信息被发送至外部 AI 服务的风险。系统还会生成可用于合规和内部治理审查的审计记录。12

从工作流程看，它相当于在用户和生成式 AI 服务之间增加一道检查环节：

1. 员工输入提示词或上传文件；
2. 内容在提交到 AI 工具前被实时检查；23
3. 检测结果结合企业策略，决定放行、提示警告或阻止；
4. 系统记录该次活动及策略执行结果，供后续复核。26

BarracudaONE 与 Barracuda IQ 分别做什么

BarracudaONE 是统一的管理与集成层，承载可见性、策略控制、数据保护、威胁防御和治理工作流。2

Barracuda IQ 则是负责内容检查与分类的检测引擎。相关报道指出，产品部署后默认启用敏感数据拦截，并可将策略应用到受支持的 AI 服务上。3

这一区分对 IT 团队很实用：管理者可在同一个平台制定和查看控制措施，而系统在实际交互发生时对提示词与上传内容进行检测。

覆盖超过 1,300 项生成式 AI 服务

Barracuda 称，其策略可覆盖超过 1,300 项生成式 AI 服务，包括 ChatGPT、Microsoft Copilot、Google Gemini 和 Claude 等。367

重点不只是发现员工“是否在用 AI”，而是识别他们准备提交什么内容。系统旨在扫描提示词和上传文件中的敏感信息，例如客户记录、密码及财务数据，并在内容发送至第三方 AI 服务前进行处置。3

据发布报道，组织还可按团队、工具或数据类别应用细粒度策略。7 这意味着企业可以为不同岗位或不同 AI 工具设置不同边界，区分正常的获批业务使用与违反内部规定的交互。

除了数据泄露，还要处理 AI 特有风险

Barracuda 表示，AI Data Security 还可识别并阻止违反策略的内容及部分 AI 特有威胁，包括提示词注入、越狱尝试、仇恨言论和受限主题。267

其中，提示词注入是大语言模型（LLM）应用中的已知风险。OWASP 对它的解释是：输入的提示词以非预期方式改变模型行为或输出；恶意内容可能尝试覆盖原有指令，或诱导模型产生不安全结果。23

需要区分的是，Barracuda 所称的 OWASP 对齐控制，应理解为产品设计与威胁覆盖方面的主张，而不是 OWASP 认证。对提示词入口进行检测是有价值的防护措施，但不能替代更完整的安全体系，例如获批工具清单、身份与访问管理、员工培训，以及对敏感业务流程的人工审核。

治理价值：可见、可控、可追溯

对企业而言，这项服务的治理价值可概括为三点：

• 可见性：识别受支持服务中的 AI 使用情况及相关风险。12
• 细粒度执行：通过规则限定哪些数据或内容可以发送给 AI 工具。27
• 审计线索：保留 AI 活动与策略执行记录，以支持合规和内部复核。26

对 MSP 而言，多租户管理尤为关键：服务商可跨多个客户环境提供这些可见性、数据保护与治理控制，而不必让每个客户分别运营一套独立的 AI 安全工具。4

为什么瞄准中小企业和 MSP

Barracuda 明确将产品定位于希望获得生成式 AI 效率收益、却无力自建和运行专业 AI 安全项目的组织。45

Barracuda 委托 Vanson Bourne 开展的一项研究，覆盖美洲、欧洲和亚太地区的 2,000 名 IT 与安全决策者。8 另有关于该产品的报道显示，在员工规模为 100 至 500 人的组织中，44% 的高级 IT 领导者将 AI 安全与治理问题列为关注事项；在 500 至 1,000 人的组织中，这一比例为 49%。4

这反映出，AI 治理已不只是写一份制度文件，而是日常运营问题。Barracuda AI Data Security 的市场定位，是让规模较小的 IT 团队和 MSP 通过一个集中式平台查看 AI 活动、在提交前检查提示词和文件、执行规则，并保留规则如何被执行的证据。124

生成式 AI 能提高工作效率，但员工每一次输入提示词、上传文档，也都可能成为一次数据治理决策：客户资料、密码、财务数据或内部文件，是否会被提交给第三方 AI 服务？

Barracuda Networks 在 2026 年 9 月推出的 Barracuda AI Data Security，定位正是解决这一问题。该服务面向希望安全使用生成式 AI、但缺少专职 AI 安全团队的企业，以及为多个客户统一提供安全服务的托管服务提供商（MSP）。245

它是什么：在员工与 AI 工具之间设置管控点

Barracuda AI Data Security 是 Barracuda AI Security 产品组合中的安全与治理服务。Barracuda 表示，该方案在 BarracudaONE 平台上整合 AI 使用可见性、数据保护、威胁防御和治理能力。12

其核心目标并非禁止员工使用 AI，而是在允许获批工具用于工作的同时，降低敏感业务信息被发送至外部 AI 服务的风险。系统还会生成可用于合规和内部治理审查的审计记录。12

从工作流程看，它相当于在用户和生成式 AI 服务之间增加一道检查环节：

1. 员工输入提示词或上传文件；
2. 内容在提交到 AI 工具前被实时检查；23
3. 检测结果结合企业策略，决定放行、提示警告或阻止；
4. 系统记录该次活动及策略执行结果，供后续复核。26

BarracudaONE 与 Barracuda IQ 分别做什么

BarracudaONE 是统一的管理与集成层，承载可见性、策略控制、数据保护、威胁防御和治理工作流。2

Barracuda IQ 则是负责内容检查与分类的检测引擎。相关报道指出，产品部署后默认启用敏感数据拦截，并可将策略应用到受支持的 AI 服务上。3

这一区分对 IT 团队很实用：管理者可在同一个平台制定和查看控制措施，而系统在实际交互发生时对提示词与上传内容进行检测。

覆盖超过 1,300 项生成式 AI 服务

Barracuda 称，其策略可覆盖超过 1,300 项生成式 AI 服务，包括 ChatGPT、Microsoft Copilot、Google Gemini 和 Claude 等。367

重点不只是发现员工“是否在用 AI”，而是识别他们准备提交什么内容。系统旨在扫描提示词和上传文件中的敏感信息，例如客户记录、密码及财务数据，并在内容发送至第三方 AI 服务前进行处置。3

据发布报道，组织还可按团队、工具或数据类别应用细粒度策略。7 这意味着企业可以为不同岗位或不同 AI 工具设置不同边界，区分正常的获批业务使用与违反内部规定的交互。

除了数据泄露，还要处理 AI 特有风险

Barracuda 表示，AI Data Security 还可识别并阻止违反策略的内容及部分 AI 特有威胁，包括提示词注入、越狱尝试、仇恨言论和受限主题。267

其中，提示词注入是大语言模型（LLM）应用中的已知风险。OWASP 对它的解释是：输入的提示词以非预期方式改变模型行为或输出；恶意内容可能尝试覆盖原有指令，或诱导模型产生不安全结果。23

需要区分的是，Barracuda 所称的 OWASP 对齐控制，应理解为产品设计与威胁覆盖方面的主张，而不是 OWASP 认证。对提示词入口进行检测是有价值的防护措施，但不能替代更完整的安全体系，例如获批工具清单、身份与访问管理、员工培训，以及对敏感业务流程的人工审核。

治理价值：可见、可控、可追溯

对企业而言，这项服务的治理价值可概括为三点：

• 可见性：识别受支持服务中的 AI 使用情况及相关风险。12
• 细粒度执行：通过规则限定哪些数据或内容可以发送给 AI 工具。27
• 审计线索：保留 AI 活动与策略执行记录，以支持合规和内部复核。26

对 MSP 而言，多租户管理尤为关键：服务商可跨多个客户环境提供这些可见性、数据保护与治理控制，而不必让每个客户分别运营一套独立的 AI 安全工具。4

为什么瞄准中小企业和 MSP

Barracuda 明确将产品定位于希望获得生成式 AI 效率收益、却无力自建和运行专业 AI 安全项目的组织。45

Barracuda 委托 Vanson Bourne 开展的一项研究，覆盖美洲、欧洲和亚太地区的 2,000 名 IT 与安全决策者。8 另有关于该产品的报道显示，在员工规模为 100 至 500 人的组织中，44% 的高级 IT 领导者将 AI 安全与治理问题列为关注事项；在 500 至 1,000 人的组织中，这一比例为 49%。4

这反映出，AI 治理已不只是写一份制度文件，而是日常运营问题。Barracuda AI Data Security 的市场定位，是让规模较小的 IT 团队和 MSP 通过一个集中式平台查看 AI 活动、在提交前检查提示词和文件、执行规则，并保留规则如何被执行的证据。124