WAF和API发现技术在保护智能体AI应用中的作用

Yaniv Sazman产品管理高级经理

AI应用正从简单的聊天界面迅速演变为由智能体驱动的系统。这些现代“智能体式”应用不只是调用API，还会发现功能、编排工作流，并跨多种工具和服务执行操作，而且通常会在运行时动态完成这些任务。

然而，现有安全模型大多仍面向流量模式可预测的静态应用构建，正加紧追赶这一迅猛的演进趋势。

然而，这一演进从根本上改变了API发现、检测与保护以及Web应用防火墙（WAF）等长期沿用的安全控制措施所发挥的作用。在智能体时代，这些控制措施不再只是“边界防御”，而是日益成为AI应用安全的控制平面，在智能体能够自主决定下一步行动时，提供必要的可见性、策略执行和运行时约束。

AI应用在设计上以API为中心

从技术层面看，几乎所有AI应用都是API组合引擎。

常见的API类别包括：

• 模型API：LLM推理端点
• 检索API，用于检索增强生成（向量数据库、搜索服务、文档存储）
• 工具/操作API：工单、电子邮件、代码执行、CRM、支付等。
• 流式API：安全套接字引擎（SSE）、WebSocket、gRPC流式传输
• 编排和策略API：智能体路由器、工作流引擎、护栏服务

随着智能体日趋成熟，其模式会从静态集成转向运行时能力发现，根据当时可用且相关的功能选择工具。模型上下文协议（MCP）就是一个例子：它对AI系统如何通过一致的API接口发现和调用工具进行了标准化。

这种以API为中心的架构要求必须具备API可见性和控制能力。当应用能够动态扩展其功能时，安全团队必须能够近乎实时地查看并管控这些扩展。

API发现对AI应用的作用

有一条广为人知的经验法则：任何组织都无法保护其看不见的资产。当智能体能够动态探索和利用API时，这一点尤其重要。因此，API发现和分类如今必不可少。

API发现和分类可持续呈现现有的API端点，包括新引入的端点。它们有助于了解正在使用的HTTP请求方法（例如GET、POST、PUT等），确定当前使用的架构和有效负载结构，以及哪些客户端、智能体和服务正在调用哪些API。它们还有助于明确API格局及相应威胁面的变化趋势。

对于MCP服务器和其他AI控制API（即管理、保护和治理应用程序与AI模型之间交互的软件接口），API发现可带来重要的安全价值。API发现可以检测意外出现的路由或工具描述符，包括不应存在或不应公开的功能或数据。它有助于识别影子API和未记录的API，避免代理或开发人员无意中使用这些API。此外，它还可以建立正常代理行为的基线，例如典型的使用模式、调用频率和调用顺序。

在动态的AI环境中，API发现已不再只是清点API。它已成为一种运行时安全信号，可用于区分正常的预期行为与API生命周期管理不当，包括API漂移、滥用、敏感数据暴露或泄露。

WAF在AI应用中的作用

组织了解实际存在哪些资产、这些资产的用途及使用方式后，便可制定并实施策略。在智能体AI架构中，WAF不再只是Web应用的防护工具，也成为高流量机器间通信的策略执行点。

对于MCP端点和AI后端，WAF可以实施严格的API边界控制，仅允许已知的路径、方法和内容类型。WAF还会确保协议正确性，阻止请求走私、格式错误的请求、标头欺骗，以及对升级和流式传输机制的滥用。

WAF还可实施身份验证和会话控制，确保在特权工具请求开始之前完成身份验证。WAF可抵御滥用和枚举行为，检测扫描、探测、自动端点发现和可疑的探索模式。WAF还可提供速率和连接控制，帮助缓解利用高成本模型和工具调用发起的资源耗尽和钱包拒绝服务攻击。

WAF的另一项关键优势是，可以在流量到达AI运行时、编排层或下游工具之前实施策略，避免错误造成高昂代价、危险后果或不可逆的影响。

快速保护智能体AI应用

如今，智能体AI可以将应用转变为API的动态编排器，因此，单独部署常见的静态边界安全措施已不足以应对相关风险。API发现有助于在这一快速变化的环境中实现持续可见性并建立行为基线。

在这一环境中，WAF正迅速演变为机器间智能体流量的前线策略执行点，限制智能体可访问的内容和位置、通信方式，以及可使用的资源及其用量。在智能体能力和集成方式随运行时快速变化的情况下，API发现和WAF可通过切实可行的控制措施，帮助保护智能体AI系统。

如需了解更多信息，请访问F5.com以及我们的解决方案页面，了解F5 WAF解决方案和F5 API Security产品与服务。

关于作者

Yaniv Sazman产品管理高级经理

Yaniv Sazman 的更多博客文章