智能体正在成为AI应用的核心形态，但其自主性、工具调用和多步推理能力也带来了独特安全挑战。相比传统应用安全，智能体面临Prompt注入、工具滥用、目标劫持、记忆投毒、执行失控等新型威胁。

本议题将从企业级Agent平台的安全实践出发，剖析智能体的五层攻击面模型，介绍京东安全基于JoySafety框架和JoySafeter平台构建的可控安全架构。重点分享：输入防火墙、Skills沙箱隔离、执行链管控、可观测性审计等核心能力的工程实现，以及如何实现安全左移和防御前置的智能体安全体系。

演讲提纲

1. 智能体安全新挑战
   • 从应用安全到Agent安全：核心差异分析
   • 智能体安全三大特征：自主性风险、工具调用风险、多步推理风险
   • OpenClaw真实安全事件剖析
2. 五层攻击面模型
   • L5 输入层：Prompt注入的100种变体与检测方法
   • L4 记忆层：对话历史劫持与RAG知识库投毒
   • L3 规划层：目标劫持
   • L2 工具层：Skills参数注入与 MCP工具诱导
   • L1 执行层：恶意操作识别与数据泄露防护
   • 攻击链还原：端到端的攻击案例演示
3. AI Native防御架构
   • 防御理念：用AI防御AI，以智能对抗智能
   • 五层防御体系：
     • 输入层：Prompt Firewall + 对抗样本检测
     • 记忆层：上下文完整性校验 + 知识库安全
     • 规划层：目标一致性验证
     • 工具层：Skills沙箱 + MCP-Scan
     • 执行层：输出过滤 + 敏感数据脱敏
   • OpenClaw 安全基因植入+安全能力构建新范式
4. JoySafeter平台：安全Agent编排与自动化响应
   • JoySafeter项目介绍：定位、架构与核心能力
   • 安全Agent详解：
     • Guardian - 全链路7×24小时Agent实时监控与威胁拦截
     • 落地案例：京东内部智能体平台的安全实践2-3
   • 开源Roadmap：社区共建计划与未来演进
5. 总结与展望
   • 核心观点：以安全为底座，塑造可信AI；以AI为引擎，重塑新安全
   • 开源发布：JoySafety & JoySafeter Roadmap
   • 技术趋势：Agent安全的发展方向

这样的技术在实践过程中有哪些痛点？
因为Skills、MCP等调用成功率无法确保完全准确，所以基于AI Native构建的方案也许持续探索，并确保有相应的兜底方案。

演讲亮点

1. 首次系统性提出智能体五层攻击面，从输入到执行完整揭示安全风险；
2. 基于OpenClaw的安全事件复盘，不是纸上谈兵；
3. JoySafety框架+JoySafeter平台，会后可立即使用。

听众收益

1. 理解智能体安全与传统安全的本质区别，掌握Agent安全的完整知识体系；
2. 掌握Skills沙箱、行为监控、异常检测等核心安全能力的代码实现方法。