When AI agents swarm, can banks keep up?

AI代理与银行网络安全：为何可见性至关重要 | Elastic博客

当AI代理集群来袭，银行能否应对？

随着自主AI重塑网络风险，金融机构需要具备可见性和上下文信息，以检测异常行为并以机器速度做出响应。

作者：Karen Mcdermott

2026年9月30日

• 在Twitter上分享 [在Twitter上分享]
• 在LinkedIn上分享 [在LinkedIn上分享]
• 在Facebook上分享 [在Facebook上分享]
• 邮件分享 [邮件分享]
• 打印本页 [打印]

AI代理正在改变金融服务公司的运营方式，同时也改变了网络风险的速度和规模。

近期《美国银行家》杂志探讨了银行面临的新担忧：能够协同探测系统、共享信息、调整行为并同时搜索漏洞的AI代理集群。尽管“流氓AI代理集群”的概念听起来颇具未来感，但其背后的安全挑战已经初现端倪。

下一安全挑战：自主AI代理

银行已耗费数十年在关键系统和数据周围构建多层防护。身份与访问管理、多因素认证、欺诈检测、终端安全、网络监控以及日益复杂的安全部署，使金融服务成为全球最重视安全的行业之一。

自主AI代理引入了新的变量：以机器速度实现的自主性。

攻击者不再需要手动逐一探测系统，自主代理可以同时探索多条路径，从所遇到的情况中学习并调整行为。对于防御者而言，挑战在于能否快速识别数千甚至数百万个信号中的模式，以理解正在发生的事情并判断是否构成威胁。

这使得可见性和上下文成为安全方程的核心。

AI驱动的活动可能在应用程序、API、身份、终端、网络、云环境、客户交互和第三方系统中生成信号。单独来看，这些事件可能看似完全合法：使用了有效凭证、调用了授权API、访问了允许的系统。只有当这些活动相互关联时，潜在的危险模式才会显现。

这就是碎片化的安全和运营数据成为负担的地方。安全团队需要整合日志、指标、追踪记录、安全事件、威胁情报、身份信息和历史活动，以识别可能被隐藏的关系。

应对AI攻击的AI防御

搜索功能在实现这一点方面发挥着关键作用。当活动分布在多个系统中并以机器速度发生时，分析师需要快速搜索和关联大量异构数据，不仅要理解异常事件的发生，还要了解其周围发生了什么、涉及哪些系统以及这些事件如何关联。

自主AI的兴起也扩大了可观测性的作用。金融服务公司越来越需要不仅了解应用程序和基础设施的健康状况和性能，还需要了解AI代理本身的行为。

了解代理访问了哪些系统、调用了哪些工具、获取了哪些数据、调用了哪些API，以及其行为随时间的变化，对于判断代理属于银行、客户、第三方还是潜在攻击者都至关重要。

基于OpenTelemetry的追踪、日志和指标可以详细记录代理的活动。当这些遥测数据能够与身份、端点、网络、应用和威胁情报数据关联时，安全团队就能获得区分正常自动化行为与需要调查的异常行为所需的上下文信息。

这种区分将变得越来越重要，因为传统安全控制措施可能无法讲述完整的故事。身份验证、最小权限原则、网络隔离、速率限制和访问控制仍然是基础，但自主系统可能在不违反任何单个控制措施的情况下表现出意外行为。

一个账户可能访问了陌生的系统。代理可能开始以异常速度查询信息，或启动一系列原本被允许但出乎意料的操作。单个事件未必能表明攻击，但行为模式会暴露问题。

检测这些模式需要跨系统和时间维度分析行为。人工智能和机器学习可以帮助防御者发现异常、关联看似无关的事件、优先处理调查，并为分析师提供快速响应所需的上下文信息。

为机器速度调查演进SOC

随之改变的还有安全运营中心（SOC）的角色。攻击者无需人工分析师批准每个自动化探测，银行也难以要求人员手动调查每个可疑的机器生成交互。

安全运营将越来越多地结合人工判断与自动化调查和响应。代理安全可以帮助调查警报、在大量安全和运营数据中关联证据、重建攻击路径，并根据组织政策推荐或启动响应工作流。

然而，对于金融机构而言，自动化程度的提升不能以治理为代价。具有重大影响的操作仍需明确的权限定义、控制措施和适当的人类监督。目标不是将人员从安全运营中移除，而是利用自动化处理调查的速度和规模，同时让人员对最关键决策负责。

这种责任也延伸到银行自身的AI代理。

自主系统的治理与透明度

随着金融机构部署更多自主系统，它们需要能够重建这些系统的操作记录：代理调用了哪些工具、访问了哪些数据、使用了哪些信息、推荐或执行了哪些操作，以及必要时谁授权了这些操作。

这在已经受到网络安全、运营韧性、数据治理、模型风险和问责制等广泛要求约束的行业中尤为重要。代理可观测性和全面的审计追踪可以让自主活动成为技术、安全、风险和合规团队可以检查和调查的内容，而非只需信任的黑箱。

代理AI的出现并未使数十年的网络安全投资变得过时，反而凸显了将这些投资联系起来的重要性。

身份验证、端点防护、网络安全、应用安全、欺诈检测和可观测性各自提供了部分信息。随着自主系统越来越多地跨越这些边界运行，金融机构需要一个统一的数据基础，能够整合这些信号，并在实时中实现搜索和操作。

在统一的数据平台上整合所有内容

在我看来，Elastic 在这一领域的独特之处在于，我们如何将安全、可观测性和搜索功能整合到一个统一的平台之上，帮助公司分析复杂技术环境中的活动，并将 AI 应用到这些场景中。这为金融服务公司提供了基础，使其能够理解人类和机器的活动，尤其是在 AI 代理成为金融服务生态系统更大组成部分的背景下。

银行业 AI 的下一阶段将不仅仅关注代理能做什么，还将关注金融服务公司是否能够看到代理的行为、理解其行为模式、识别变化并以自主系统运行的速度做出响应。

在代理主导的世界中，可见性和上下文将成为控制的关键部分。

了解更多

欢迎联系我们，了解 Elastic 如何支持您的 AI 代理集群防御系统。

###### 相关博客

• 构建代理化 SOC：金融服务的新模式
• 用 AI 改变金融服务：释放增长、创新和洞察力
• 基于 AI 的欺诈检测：使用 Elastic 保护金融服务
• 金融服务中的代理 AI：自主智能的崛起
• 智能银行的兴起：在 AI 时代统一欺诈、安全与合规

本文中提及的任何功能或功能的发布和发布时间均由 Elastic 单独决定。任何当前不可用的功能可能无法按时或根本不会交付。

在本文中，我们可能使用或引用了第三方生成式 AI 工具，这些工具由其各自所有者拥有和运营。Elastic 对第三方工具没有任何控制权，也不对这些工具的内容、操作或使用承担任何责任或义务，也不对因使用这些工具而可能产生的任何损失或损害负责。在使用 AI 工具处理个人、敏感或机密信息时请格外谨慎。您提交的任何数据可能会用于 AI 训练或其他目的。无法保证您提供的信息将被安全或保密地保存。在使用任何生成式 AI 工具之前，请务必熟悉其隐私政策和使用条款。

Elastic、Elasticsearch 及相关标识是 elasticsearch B.V. 在美国和其他国家/地区的商标、徽标或注册商标。所有其他公司和产品名称均为其各自所有者的商标、徽标或注册商标。

分享