Gartner®在2026年7月发布的《Gartner定制AI智能体安全指南》报告中，将F5列入第三方排行榜

Nirav Shah产品与解决方案营销高级副总裁 | F5

Gartner在2026年7月发布的《定制AI智能体安全指南》中指出：“AI智能体带来了新的安全风险，例如间接提示词注入和恶意智能体，这些风险可能导致业务损失。”在此背景下，模型选择本身也成为一项安全考量。

F5 Labs每月发布更新后的综合AI安全指数（F5 CASI）排行榜，帮助组织基于证据了解主流模型抵御常见提示词注入和越狱攻击的能力。我们也很高兴Gartner在其报告中提及F5。

传统上，模型选择主要关注能力、速度和成本。这些因素仍然重要，但当模型连接到敏感数据、外部工具和业务关键型系统时，仅考虑这些因素已远远不够。在应用任何额外控制措施之前，模型的安全特性会影响应用面临的风险。

CASI并非旨在判定某个模型是否在所有情况下都安全或不安全。相反，它会综合考虑用例、数据、权限、部署环境和潜在业务影响，提供实用的参考信息，帮助组织自行做出安全决策。

模型选择正成为一项安全决策

能力相近的模型可能呈现截然不同的安全特征。某个模型可能更能有效抵御常见攻击，而另一个模型可能需要更强的补偿性控制措施。如果缺乏可供比较的安全数据，组织只能依据提供商的声明、声誉或主观假设来做出这些决策。

CASI通过衡量模型抵御提示词注入和越狱技术的能力，并以安全、AI和治理团队可用的形式呈现结果，使这一流程更加严谨。F5 Labs还会评估风险与性能以及安全成本之间的权衡，因为合适的模型并不只是得分最高的模型，而是安全性、性能和运行特征与预期用例相匹配的模型。

对于首席信息安全官（CISO）而言，这使模型评估从技术偏好转变为治理要求。组织应能够说明选择某个模型的原因、决策所依据的证据、仍然存在的风险，以及部署前需要采取的控制措施。当模型更新、应用发生变化，或智能体获得访问新数据和工具的权限时，这些记录尤为重要。

智能体风险不止于模型

模型韧性只是起点。一旦模型嵌入智能体系统，风险就会扩展到身份、数据、记忆、提示词、工具以及智能体获准执行的操作。即使模型具备韧性，部署时仍可能被授予过多权限、连接到不安全的工具，或暴露于被投毒的上下文中。

根本性转变在于，不再只是评估模型说了什么，而是管控智能体可以做什么。智能体可能会解读目标、制定计划、选择工具、检索信息，并在多个系统中执行操作。因此，即使用户意图没有改变，同一请求也可能产生不同的执行路径和风险结果。

安全团队需要在设计中明确智能体的自主权限，包括智能体可以自行决定哪些事项、可以访问哪些资源、哪些操作需要审批，以及禁止执行哪些操作。内部研究助手与获准修改生产系统的智能体不应采用相同的权限、安全防护措施或监控阈值。

证据必须跟上变化

不能将AI安全视为一次性的评估。模型会更新，提供商会调整安全控制措施，应用会增加新的集成，攻击者也会开发新技术。一旦模型或周边系统发生变化，选型时有参考价值的评分可能无法再反映当前风险。

智能体抵抗评分（ARS）排行榜是对CASI的补充，用于考察模型在一段时间内如何应对持续、自适应且分多个步骤实施的智能体攻击。这一点很重要，因为对抗性智能体可以逐步积累上下文、改变策略，并通过多种路径实现同一目标。

每月更新以F5 Labs威胁情报为支撑，持续跟踪攻击技术和模型行为随时间的变化。CASI、ARS和威胁研究共同提供反映当前情况的证据层，为模型选择、架构决策和控制措施设计提供依据。它们不能取代针对具体应用的测试，但能为安全负责人提供更可靠的起点。

从评估到控制

如果证据无法改变系统的安全防护方式，其价值就十分有限。模型和智能体测试应为部署前及部署期间实施的控制措施提供依据，包括访问限制、运行时防护机制、工具验证、数据保护和监控。随后，应根据生产环境中观察到的行为开展新的测试、调整策略，并在必要时加强控制。

这正是F5 AI Security Platform:背后的运营模式：评估AI风险、制定治理策略，并针对模型、应用和智能体实施定制化保护。该平台整合评估、对抗性测试和运行时安全，帮助组织从识别弱点转向降低生产环境中的风险敞口。F5 Labs的研究以当前模型数据和新兴攻击模式为决策提供依据，从而强化这一闭环。

对于首席信息安全官（CISO）而言，目标是通过基于证据的模型选择、系统级测试、可强制执行的运行时控制和持续重新评估，消除可避免的AI风险，并将剩余风险降至可接受、可解释且可治理的水平。

我们认为，Gartner提出CASI这一概念，正值企业面临加快AI应用、同时不降低管控标准的压力。安全负责人需要在支持采用AI的同时，明确所接受的风险以及所需的保障措施。这意味着要将模型证据与每次部署所涉及的架构和运营控制关联起来。

一套经得起检验的方案始于三项原则：衡量模型、测试完整系统，以及控制智能体可以访问的内容和执行的操作。由于潜在风险并非一成不变，这些原则必须持续落实。CASI、ARS和F5 Labs威胁情报可为相关决策提供依据，而F5 Al Security Platform则可帮助组织将这些依据付诸实践。

目标并非放缓AI的采用，而是为CISO判断可在何处、何种条件下以及采用哪些控制措施部署AI提供更充分的依据，使组织能够摆脱孤立的实验，以负责任且安全的方式开始规模化应用。这正是当前企业AI所需的运营规范。

查看最新F5 CASI 和 ARS 排行榜 并进一步了解F5 AI Security Platform。

______

Gartner，《定制构建的AI智能体安全指南》，Dennis Xu、Erik Wahlstrom等，2026年7月6日。GARTNER是Gartner, Inc.和/或其关联公司的商标。

^{Gartner不为其出版物中提及的任何公司、供应商、产品或服务背书，也不建议技术用户仅选择评级最高或获得其他称号的供应商。Gartner出版物所载内容为Gartner商业与技术洞察部门的观点，不应被视为事实陈述。对于本出版物，Gartner不作任何明示或默示保证，包括对适销性或特定用途适用性的任何保证。}

关于作者

Nirav Shah产品与解决方案营销高级副总裁 | F5

Nirav Shah现任F5高级副总裁兼产品与解决方案营销负责人，负责制定应用安全和AI安全的战略方向。加入F5之前，他曾在Fortinet任职11年，担任过多个领导职务，其中主要负责AI驱动的SASE、SOC和安全网络解决方案。他还拥有丰富的Cisco Systems任职经历，曾牵头推进SD-WAN重大计划。凭借20多年的网络安全行业经验，他在推出具有市场影响力的产品、打造高绩效团队，以及推动产品开发与销售和营销协同以扩大影响力方面拥有出色履历。作为行业思想领袖和南加州大学校友，他经常在行业会议上发表演讲，并定期为知名出版物撰写有关AI与网络安全融合的文章，同时致力于指导新一代网络安全专业人士。

Nirav Shah 的更多博客文章