企业 AI 正从简单的问答助手向能够推理并以最小人工监督完成复杂任务的自主代理转变。这一演进引入了超越传统问题（如提示注入）的新安全挑战。现有的安全模型侧重于身份与访问，回答“谁”和“什么”，却无法应对 AI 代理的持续推理与动态行为。亟需建立的关键新思维是“运行时信任”，即在 AI 代理执行过程中验证其行为。自主 AI 代理与众多相互关联的系统交互，扩大了攻击面并产生不断演变的风险。诸如目标漂移、过度工具调用、记忆污染、上下文操纵以及多代理放大等运行时威胁，正是利用这些漏洞。运行时信任通过超越初始身份认证的持续行为验证来应对这些挑战。关键能力包括意图验证、行为监控、策略执行、最小权限执行以及对高影响决策的人工监督。这种运行时信任方法延伸至整个 AI 生态系统，涵盖服务器、工具、知识库和持久化记忆。通过日志与分析增强运营可见性，对于理解代理的决策过程至关重要。组织应将运行时信任整合到现有治理框架中，包括对代理进行资产编目、应用最小权限原则，并监控异常行为。随着 AI 自主性的提升，安全重心必须从初始身份认证转向在整个代理生命周期内对安全行为的持续验证。未来的 AI 安全将取决于在 AI 决策过程中实时建立并度量信任。