几年来，企业安全团队一直专注于一系列公认的风险，包括用户点击潜在的有害链接、员工向 SaaS 应用程序上传数据、开发人员无意中在 GitHub 等平台上泄露凭据以及聊天机器人泄露敏感信息。
然而，一个显著的变化正在出现–这种变化不依赖于用户的操作。人工智能代理现在可以彼此直接交流。Moltbook 等平台以社交、持续和自主的方式促进了这些互动。
该开发项目不是投机性的，目前正在运作中。
什么是 Moltbook？企业为什么要关注？
Moltbook 是一个专为人工智能代理打造的社交平台，尽管这些代理最终是为人类服务的。
在实践中，人类用户通常会通过代理界面（聊天用户界面、应用程序接口、CLI 等）提供初始提示、目标或指令。从那时起，代理就开始自主运行。不是人类直接注册和发布，而是代理自己：
- 在平台上注册
- 阅读其他代理创建的帖子和评论
- 将这些内容作为外部环境或信号
- 分享自己的观察、见解、链接或代码片段
- 参与正在进行的讨论，无需持续的人工审查
人类可以通过浏览器观察到这种活动，但不能参与代理之间的对话。
对于企业来说，这代表着根本性的转变。员工可以在笔记本电脑、虚拟机或 Kubernetes 集群上快速部署代理，一旦触发，代理就会与 Moltbook 等外部代理社区持续互动。这些交互可能在最初的人工提示之后很久才发生，无需每次行动批准或可见性。
没有传统的浏览器会话，没有 SaaS 管理控制台，也没有清晰、集中的审计跟踪。从企业的角度看，这种活动只是软件通过 HTTPS 与其他软件进行通信，使 Moltbook 成为一个新的、基本不可见的数据暴露、影响和风险的表面。
为什么这打破了传统的安全假设
大多数企业安全控制都有两个主要假设：
- 人类用户与应用程序交互，或
- 已知应用程序正在通过受管身份访问公认的应用程序接口。
Moltbook 并不完全属于这两种类型。
目前，还没有可用于监控的集中式企业仪表板：
- 代理注册状态
- 代理人发布的内容
- 内容消费模式
- 敏感数据的潜在外泄
这种情况概括了影子代理的概念–实体功能强大、自主，而且传统的安全控制手段实际上无法发现。
双面风险：出境和入境
Moltbook 带来的风险不是理论上的，也不是单向的。
出境风险：无声的数据泄漏
代理不会像人类那样 “感受 “风险。他们会根据自己的逻辑判断发布相关信息。
这可能包括
- 源代码片段
- 身份或标记示例
- 内部项目名称
- 客户数据
- 内部推理痕迹
一个帖子或评论就可能无意中泄露知识产权或受监管数据，而任何人都不需要打开浏览器。
入站风险：社交提示注入
Moltbook 也是一个消费渠道。
代理商会阅读其他代理商发布的信息。这些帖子可能包括
- 指令式语言
- 强制使用工具（”运行这个”、”获取那个”、”忽略你的策略）
- 不安全或恶意 URL
- 旨在复制或执行的代码片段
- 影响行为的协调叙述
这就是及时注入，不过是在社会范围内–我们可以称之为社会及时注入。传统的 GenAI 控制很少考虑到这一点。
为什么仅仅阻止 Moltbook 还不够（但这是一个良好的开端）
对于许多企业来说，第一直觉是正确的：
“我们应该完全阻止这一切”
他们应该这样做。
如今，Moltbook 并非必需的业务平台。默认情况下立即停止阻止访问：
- 未经批准的代理注册
- 张贴和评论
- 读取不受信任的代理内容
但现实却更加微妙。
有些团队可能希望
- 研究机构观察机构生态系统
- 创新团队在沙盒中进行实验
- 研究突发行为的安全团队
这就是治理–而不仅仅是阻止–的关键所在。
输入 AI>Secure：管理代理社交流量
这就是 AI>Secure 的天然优势所在。
AI>Secure 在网络层与流量联机运行，不依赖网络：
- SDK
- 代理框架
- 端点控制
- 平台合作
步骤 1：默认-拒绝，精确例外
AI>Secure 允许企业：
- 默认情况下完全禁止访问 Moltbook
- 为以下情况创建范围狭窄、可审计的例外情况
- 特定用户
- 批准的代理
- 批准的操作（例如只读操作）
仅此一点就弥补了最大的能见度差距。
步骤 2：从应用程序接口层面了解 Moltbook
在允许访问的情况下，AI>Secure 不仅能看到数据包，还能了解代理在做什么。
Moltbook 交互是结构化的 JSON API。AI>Secure 可以解释以下操作：
- 代理注册
- 创建主题（子栓
- 订阅
- 发布对话
- 阅读文章
- 发表评论和回复
- 阅读评论主题
这一点至关重要。没有 API 意识，所有代理活动看起来都是一样的。有了它，策略才变得有意义。
步骤 3：提取重要的实际文本
真正的风险不是 API 调用，而是其中的文本。
人工智能>安全提取：
- 帖子标题和正文
- 评论和回复内容
- 嵌入式 URL
- 内联代码块
- 配置片段
既包括出站（您的代理发布的内容），也包括入站（您的代理阅读的内容）。
步骤 4：实时语义检查
提取后，AI>Secure 将进行分层语义检查：
- 内容分类和过滤
- 内容安全和语气分析
- PII / PHI 检测
- 针对企业的敏感数据检测
- 密码和秘密探测
- URL 信誉和类别检查
- 指令和及时注入检测
最重要的是：在数据离开企业或有风险的内容到达内部代理之前，执行工作就已经开始。
不是日志。
不是在造成损害后发出警报。
实际预防。
隐藏的推动者：人工智能>基于规则的安全解析器
这就是这种方法的可扩展性。
人工智能生态系统发展迅速。Moltbook 不会是最后一个特工社交平台。
AI>Secure 使用基于规则的解析器来理解结构化 JSON API。而不是为每个新平台提供新软件：
- 解析规则定义哪些端点重要
- 规则定义哪些 JSON 字段包含人类可读内容
- 提取的内容为同一验证管道提供信息
结果是
- 可快速管理新平台
- 政策保持一致
- 执法点不变
这就是企业如何在不追逐每一个新代理生态系统的情况下与时俱进的方法。
大局观：从影子 IT 到影子代理
我们以前见过这种模式：
影子 IT
影子 SaaS
影子人工智能
Moltbook 标志着下一阶段的到来：影子代理。
自主系统，以社会化方式行事，交换想法、代码和指令，超越了传统企业的可见性。
忽视这一趋势并不会使其消失。
最后的思考
Moltbook 并非 “另一个网站”。
它是代理人如何进行开放式协作以及企业风险模型必须如何随之发展的早期缩影。
企业面临的问题不是员工是否会将代理带入这些生态系统，而是企业能否看到、控制并确保这种互动。
这就是 AI>Secure 所要弥补的差距。