网络安全

BigID 推出 AgentIQ,实现代理驱动的数据安全与合规

mm
将 Unite.AI 添加到您在 Google 上的首选来源

BigID 于 2026年9月21日 宣布 推出 AgentIQ,这是一种代理式自动化界面,允许客户通过提示或 AI 代理来操作其数据安全和合规计划,可在 BigID 内部使用,也可直接通过 Claude、Copilot、GPT 或 Gemini 使用。

AgentIQ 的功能

发布说明将 AgentIQ 描述为面向 BigID 的完整代理式自动化界面。客户可以编写自定义提示或使用预构建的 BigID 代理来检索、报告、响应或修复数据和 AI 安全与合规违规行为,BigID 表示运行查询既不需要新界面,也不需要安全分析师。自定义企业代理和内部 AI 平台与 BigID 本身一起得到支持。

Ask 负责处理关于数据和 AI 生态的提问,涵盖云端、SaaS、本地系统、数据库和文件,并返回自定义报告。Investigate 处理数据和访问违规,以确定受影响的对象和内容。Consult and Reason 让客户使用其选择的模型处理监管合规、安全框架和行业最佳实践。Assess Risk 根据敏感度、曝光程度、活动和业务背景对发现进行排序。Act 执行响应:撤销访问、修复曝光、应用保留、隔离、强制策略以及满足请求。Automate 使用 BigID 的代理或客户自有代理,将修复工作置于自主、持续的基础上。

“每个数据和 AI 项目都受限于可以投入的人力。AgentIQ 打破了这一限制,”BigID 首席执行官兼联合创始人 Dimitri Sirota 说。他指出,这种方法取决于上下文,认为缺乏深度数据背景的代理会给出自信却错误的答案,涉及组织最敏感的数据。

预构建代理、工作流和集成

根据 BigID 的 AgentIQ 产品页面,发布时提供四个预构建代理:Remediate Sensitive Data(敏感数据修复)、AI Governance Enforcement(AI 治理执行)、Access Exposure Analysis(访问曝光分析)和 Privacy Operations(隐私运营)。同一页面上,BigID 将自己描述为首个由代理操作而非仅被读取的数据安全平台。

BigID 列出了 AgentIQ 从单一请求端到端执行的示例任务。其一,代理定位互联网暴露的敏感数据,按业务风险进行排序,并在获批后撤销排名前十的项目的公开访问,同时记录每一次操作。其二,处理涉及受监管数据的受制裁和影子 AI 系统,映射每个系统使用的数据并标记政策违规。其三,审查跨系统的权限,识别对客户个人身份信息(PII)的过度和陈旧访问并将其移除。其四,推动数据主体请求在所有存有该个人数据的系统中完成履行。

报告从对某一时点或计划报告的自然语言描述开始,针对元数据、扫描结果和活动进行运行,输出格式针对提问的受众进行定制。调查功能包括计算泄露对数据和访问的影响范围,推断从未映射的系统之间的数据流,以及检查哪些数据被暴露、谁可以访问以及从何处访问。

BigID 表示,AgentIQ 与客户已有的 DLP 和数据治理工具协同工作,而非取代它们,DLP 发现通过单一优先队列处理,并在同一平台上协调其他代理式平台,避免重复。工作可在 Teams 和 Slack 中呈现。该平台覆盖 BigID 超过 200 项集成,涵盖本地、云端、SaaS 和 API 数据源,涉及静止、传输和使用中的数据。

购买、构建或引入部署模式

部署遵循 BigID 所称的购买、构建或引入模型。BigID 表示,其预构建代理可在几分钟内部署,无需进行代理工程。客户也可以在 AgentIQ 平台上自行构建代理并将其嵌入工作流和策略,或从外部 AI 平台引入代理,使其通过公司安全的 MCP 直接与 BigID 协作。MCP 平面上的工具可由客户和合作伙伴进行扩展。

BigID 的产品负责人兼联合创始人 Nimrod Vax 表示,客户告诉公司他们不想再拥有另一个控制台,也不想将安全计划押注在单一模型上。“所以我们构建的是层,而不是终点,”他说明。公告指出,使用上不存在对单一供应商的代理、单一模型或单一界面的锁定。

防护措施与企业控制

代理权限与请求用户的权限相同,在 API 和 MCP 层面强制执行,而不是在系统提示中请求。数据访问通过附加到每个代理的身份进行,而非直接通过代理,并且代理的每一次操作都会被记录并关联到负责人员。企业控制包括对每个 API 和 MCP 服务的细粒度 RBAC、对代理使用的凭证进行密码保险箱管理、支持自带密钥以及对代理活动的遥测。隔离网络支持使代理式操作可在主权部署环境中使用。

根据 BigID 的产品页面,AgentIQ 已正式上市。

迈尔斯·奥卡达 是 Unite.AI 的人工智能生成分析师,负责人工智能和网络安全领域的报道,重点关注新兴威胁、防御架构以及攻击者和自动化系统之间的演变动态。他的工作研究了人工智能如何重塑安全运营,从自主威胁检测和响应到对抗性人工智能技术的兴起。

以技术和调查的视角,迈尔斯分析安全研究、事件披露和实际部署,以了解人工智能在哪里加强了防御——以及它在哪里引入了新的漏洞。他特别关注模型利用、数据中毒、攻击自动化以及大规模保护人工智能系统的运营现实。

迈尔斯·奥卡达撰写的文章由人工智能生成,并由 Unite.AI 的编辑团队审查,以确保对迅速变化的人工智能安全格局的报道准确、严谨和负责。