资讯 | 多方协同，维护健康的AI安全生态

传统安全防御的是代码层面的漏洞，而在AI时代，配置即执行，上下文即攻击面，信任边界的定义本身已经发生了根本变化。AI时代的安全威胁不再局限于运行不受信任的代码，而是延伸至打开不受信任的项目。安全管理AI，如同管理人的操作行为。

新型风险，值得企业重视

对AI技术广泛应用伴随的新型风险，企业容易陷入的误区是将其视为纯粹的技术问题，寄望于工具厂商的补丁来彻底解决。但Check Point的研究视角提供了另一种思路：对待AI编程工具的安全管理，应当与对待人为失误采取同等严肃的态度。

人为失误难以通过单一技术手段完全消除，需要通过制度规范、操作习惯与持续培训来系统性管控。AI工具的安全风险同样如此。企业在引入AI编程工具时，需要建立与之匹配的治理机制：明确哪些仓库可信、哪些外部集成经过审查、API密钥的使用范围如何界定。这些不是高深的技术问题，而是基本的安全习惯在AI场景下的延伸。

多方协同，持续维护运营安全

比如上周推送中，Check Point研究院不仅局限于揭示Claude Code的漏洞，更是在完成漏洞研究后，Check Point 研究院遵循负责任披露原则，与Anthropic展开了密切合作，协同修复漏洞。

Anthropic随即针对上述问题实施了修复，强化了用户信任提示机制，阻止了外部工具在获得明确授权前的执行行为，并在信任确认完成前阻断了API通信。所有已报告问题均已在公开披露前完成修复。

这一协作过程本身，也是AI安全生态健康发展的缩影。AI工具的能力边界仍在快速扩展，新的攻击面还将持续出现。只有安全研究机构、工具厂商与企业用户形成协同，才能在AI基础设施快速演进的过程中，持续维护可信赖的开发环境。