Akamai 示警代理式 AI：企業不能只驗證身分，還要管控它「正在做什麼」

Akamai 在《Speed, Scale, and Nonhuman Identity: The Agentic Threat Landscape》報告中的核心警告是：代理式 AI 不再只是回答問題的軟體，而是能查找資訊、調用工具、呼叫 API，並完成多步驟工作的「非人類行動者」。因此，企業不能只確認「它是誰」，還必須在執行當下判斷「它要做什麼、能碰什麼、行為是否合理」。117

為何 AI 代理改變了風險模型？

自治代理把模型的推理能力，和企業系統的實際操作權限結合在一起。風險往往不在模型產生一段文字，而在它可以移動資料、使用瀏覽器、連接 API，或觸發既有工作流程的那一刻。

Akamai 將此視為非人類身分治理問題。企業不僅要辨識操作背後的員工或服務帳號，也要掌握代理本身、可使用的工具、可接觸的資料，以及其行為是否符合任務需要。12

報告點出的五類風險

1. 聊天機器人對話可能成為資料外洩管道

Akamai 表示，企業裝置上的 AI 聊天機器人對話中，超過 6% 含有敏感資訊。換言之，提示詞、上傳檔案及聊天紀錄，已是資料安全邊界的一部分，不能只被當成提升生產力的工具。1

若員工改用個人帳號或其他未受監控的 AI 服務，風險更難掌握。這類互動可能不在企業既有的可視性與政策控制範圍內，使組織難以追查哪些公司資料被分享、又流向何處。Akamai 將此類「影子 AI」視為企業 AI 攻擊面的擴張因素之一。12

2. AI 瀏覽器擴充功能形成未受管理的工作區

瀏覽器同時是員工工作、登入系統、閱覽敏感資料與使用 AI 助手的地方，因此格外難以管控。Akamai 指出，超過 40% 的企業使用者已安裝 AI 驅動的瀏覽器擴充功能；其中 25% 的擴充功能在過去 12 個月曾變更權限。12

問題不在於每個擴充功能都具有惡意，而是其權限、資料存取範圍與行為都可能變動；但這個工作區未必受到與企業正式應用程式相同程度的審查。

3. MCP 讓資料存取與可執行操作的界線變模糊

模型上下文協定（Model Context Protocol，MCP）讓 AI 代理得以使用工具與 API。Akamai 形容 MCP 是代理式 AI 實際「動手做事」的雙手，但它也模糊了資料與程式碼的界線。惡意或遭入侵的 MCP 伺服器，可能藉由提示注入或跨伺服器攻擊影響大型語言模型（LLM）的行為。2

這帶來可視性與授權難題：團隊必須知道代理能連到哪些 MCP 服務、可取得哪些憑證與權限，以及它在執行期間實際採取了哪些動作。

4. 機器人與 API 濫用以機器速度發生

Akamai 將代理崛起連結到更廣泛的機器人與 API 安全挑戰。自動化系統可以模仿顧客行為，也會提高防禦團隊必須判斷意圖與濫用風險的互動量。Akamai 記錄到，2025 年商務領域的 AI 機器人流量年增 19%，主要由零售活動帶動。20

這不代表所有 AI 機器人都有惡意。網頁爬蟲、搜尋機器人、即時擷取工具與代理，也可能提供正當服務。安全工作的關鍵，在於分辨哪些活動是已授權且符合預期，哪些則屬異常或有害行為。1827

5. AI 爬蟲正從「閱讀」走向「執行」

報告的警示也延伸至面向網際網路的服務。Akamai 觀察到的研究顯示，包括 ChatGPT 在內的已驗證 AI 爬蟲，開始高頻率發送 POST 請求，而不只是透過 GET 請求讀取網頁。POST 請求可提交資料或觸發操作，例如登入、將商品加入購物車與結帳。19

在這項為期 30 天的分析中，電商占 AI 機器人 POST 交易的 44.8%；旅遊業則在單月達到 30%。POST 請求本身並不等於惡意行為，但這表示 AI 流量可能愈來愈常抵達詐欺防護、授權檢查與交易監控最關鍵的流程。19

企業可採取的四項治理措施

Akamai 建議企業從傳統身分管理，轉向對人類與非人類行動者進行行為治理。可歸納為以下四項實務優先事項。117

1. 不只治理身分，也要治理行為

使用者、服務與代理都應接受身分驗證；但控制措施還要檢視它們想執行的動作、目標系統、工具使用方式、資料存取範圍，以及跨工作流程和 API 的異常行為。117

2. 建立代理、API 與 MCP 連接工具的完整清冊

企業需要看見已部署的 AI 代理、服務帳號、瀏覽器擴充功能、MCP 伺服器、已連接的 API 及其權限。若連線關係不明，或權限過度寬鬆，團隊就難以可靠評估其影響與風險。2

3. 落實最小權限，保護 AI 資料流

每個代理與連接工具，都應只取得完成既定任務所必需的資料、系統與操作權限。同時，企業應監控聊天機器人的使用、瀏覽器型 AI 工具與敏感資料移動情形，讓政策依據資料的情境與目的地，而非只看帳號是否成功登入。12

4. 採取即時、風險導向的控管，並保留人工監督

機器速度的自動化，需要執行期防禦能力來即時評估行為。低風險、可復原的任務可給予較高自主性；涉及敏感資料、重大影響或異常的操作，則應啟用更嚴格控制，或要求人工核准。這與 Akamai 強調即時治理非人類行為與 API 活動的方向一致。17

重點：自主程度應與風險相稱

Akamai 並未把 AI 代理視為另一種普通使用者或機器人，而是能串接資料、工具與交易的營運行動者。企業的安全優先事項，也因此轉為看清這些連線、限制權限、持續監控行為，並讓代理的自主程度與實際風險相稱。1217