随着 AI Agent、智能硬件和生成式 AI 工具逐步进入生产环境，安全建设面对的对象正在发生变化：从传统的应用、接口和基础设施，扩展到具备自主决策、工具调用和持续执行能力的 AI 系统。与此同时，全球安全合规要求持续演进，AI 工具、协议和应用形态快速变化，传统依赖固定规则和人工流程的安全体系也面临新的挑战。

本次分享将结合 AWS 在全球业务和复杂安全合规环境下的实践，从端侧智能体安全、安全 SDLC，以及 AI 驱动的安全工程三个方面展开，探讨 AI 时代安全边界、权限与行为控制的变化，以及如何将安全能力进一步融入研发、测试、部署和运行全过程，推动安全从“上线前检查”走向持续的工程化建设。

演讲提纲

1. AI 时代，安全建设正在发生什么变化？

• 全球安全合规持续演进，对企业安全基线和研发流程带来的新挑战
• 从传统应用到 AI/Agent，攻击面、权限边界和风险模型的变化
• AI 工具、协议和应用形态快速演进，安全能力如何持续迭代
• 从“上线前做安全”走向贯穿研发与运行全过程的安全建设

2. 端侧智能体：新的攻击面与安全边界

• IoT、智能硬件引入 Agent 后带来的新安全问题
• 端侧 Agent 的权限、工具调用、数据访问与行为控制
• 面向端侧智能体的安全分级与风险识别
• 智能硬件场景下安全与合规建设的实践思路
• 从“模型是否安全”进一步走向“Agent 行为是否可控”

3. 从 Security SDLC 到 AI 驱动的安全工程

• 如何将安全能力前移到 AI 应用和 Agent 的研发流程
• Agent 渗透测试：从人工测试走向智能化的风险发现与验证
• AI 在代码安全分析、漏洞发现等场景中的应用
• Agent 在安全运营与响应中的实践探索
• 如何将 AI 安全能力融入 CI/CD，避免形成新的工具孤岛
• AI 安全能力走向生产过程中面临的权限、护栏、验证与可靠性问题

4. AWS 实践：构建持续演进的 AI 安全体系

• 多地区、多业务、多合规环境下的安全建设挑战
• 如何持续维护安全基线，应对 AI 技术和应用形态的快速变化
• 如何将权限控制、行为检测与安全能力融入研发和运行流程
• 从单点安全能力走向持续、工程化的安全体系

实践痛点

1. 安全合规持续变化

• 海内外不同地区的法规、行业规范和企业安全基线不断演进，传统静态的安全规则和一次性的合规检查难以持续覆盖，需要建立能够不断更新的安全基线和治理机制。

2. AI 正在重新定义安全边界

• Agent 不再只是生成内容，还会调用工具、访问数据并执行操作。随着 MCP 等协议和 AI 应用形态不断发展，安全控制需要从传统的账号、接口和网络边界进一步延伸到权限、上下文和行为。

3. AI 安全能力快速发展，但工程化仍是挑战

• Agent 渗透测试、代码安全分析、SOC 智能化等能力不断成熟，但如何与现有 CI/CD 和安全流程结合，真正进入研发与生产体系，而不是形成新的工具孤岛，仍需要持续探索。

4. AI 参与安全之后，AI 本身也需要被约束

• 当 Agent 开始参与安全检测、分析和响应，其权限边界、操作范围、结果可靠性和运行稳定性也需要纳入安全设计。

演讲亮点

• AWS 全球业务实践：结合多地区、多业务、多合规环境，分享 AI 时代安全建设面临的真实挑战
• 从安全能力到安全工程：关注如何将 AI 安全能力融入研发、测试、部署和运行全过程
• 从新攻击面到工程实践：覆盖端侧 Agent 安全、Security SDLC 和 AI 驱动安全运营等典型场景
• 关注生产落地问题：围绕权限、行为控制、工具护栏、结果验证和可靠性等关键问题，分享 AI 安全工程化实践

听众收益

• 理解 AI 时代安全边界的变化：了解 Agent、智能硬件等新型 AI 应用带来的安全挑战。
• 获得端侧 Agent 安全建设思路：从权限、行为和合规等维度理解智能体安全设计。
• 了解 AI Security SDLC 的实践路径：理解 AI 如何进入安全测试、代码分析和安全运营等环节。
• 理解 AI 安全工程化的关键问题：了解如何将 AI 安全能力融入 CI/CD 和生产流程，并通过权限、护栏和验证机制提升可靠性。