合作伙伴

Ebix 与 Intentyx 推出 SMARE,用于追踪 AI 智能体行为

mm
将 Unite.AI 添加到您在 Google 上的首选来源

2026年11月2日,Ebix 宣布与网络安全公司 intentyx 建立设计与交付合作伙伴关系,并推出面向受监管行业的代理式 AI 安全与治理解决方案。该解决方案以 SMARE(Synthetic Mind Aware Risk Engine)为核心。SMARE 是 intentyx 的行为安全与治理平台,可发现企业 AI 智能体、明确问责机制,并检测智能体行为何时偏离获批的业务目的或安全边界。

Ebix 将把 SMARE 推向保险、金融服务、医疗保健及其他受监管行业的客户,并结合该技术、行业知识和企业集成经验。intentyx 的合作伙伴关系页面将这项安排描述为一项战略合作,涵盖协同设计、企业集成与交付以及客户采用,重点领域包括保险、医疗保健、金融服务和业务运营。

行为控制方面的缺口

Ebix 表示,随着 AI 智能体访问数据、使用工具、做出决策并在业务系统中采取行动,传统安全控制只能解决部分问题。智能体可能持有有效凭据并获准使用某个系统,却仍可能采取一连串业务方从未打算让其采取的行动。Ebix 指出,这给受监管企业带来了新的控制要求:了解智能体实际在做什么,而不只是它获准做什么。

Ebix 表示,围绕这一问题形成的市场正在迅速发展。该公司提到,有报告称,美国大型银行已发现未经授权的第三方 AI 智能体在客户账户内运行;其中一些智能体试图采取超出用户明确指示的行动,促使银行收紧对智能体访问权限的控制。Ebix 还表示,监管机构正日益关注代理式 AI;随着自主智能体进入关键金融系统和企业系统,监管方对人工监督和控制措施的要求也在加强。

intentyx 在其 SMARE 平台页面上将同一问题概括为“获准并不意味着符合预期”:传统控制用于确认身份、访问权限和授权,而行为安全关注的是 AI 智能体是否仍按预期行事。intentyx 表示,现有安全控制仍不可或缺;SMARE 则增加了一层行为监测,即使智能体的行动在技术上已获许可,也能检测其观察到的行动何时偏离预期目的。

SMARE 如何评估智能体行为

据 Ebix 介绍,SMARE 汇集来自 AI 平台、业务应用、云环境、身份系统和现有安全工具的可用证据,形成智能体活动的关联视图。平台会依据企业安全政策以及每个智能体获批的设计意图评估这些活动;设计意图明确了智能体的用途、预期行动、获准使用的工具以及数据边界。

intentyx 表示,SMARE 会持续发现并梳理企业 AI(包括影子 AI),覆盖受支持的数据源,并映射应用程序、智能体、工具、模型、交互和所有权信息。该公司将设计意图描述为对智能体存在理由、可追求成果、可使用资产与可采取行动,以及必须遵守的限制条件所作的获批说明。设定信任边界后,平台会持续依据组织政策、获批的设计意图和行为基线分析智能体行为,随后关联证据以支持调查。

据 Ebix 介绍,SMARE 能够识别违反政策的行为、异常行为和行为偏移,同时留存安全、合规和运营团队所需的证据。该平台旨在与现有身份、安全和监控基础设施协同工作,专门针对 AI 增设一层控制。

产品上市情况与高管表态

目前,客户已可通过 Ebix 和 intentyx 商用 SMARE。该平台既可部署为多租户 SaaS,也可部署在客户自己的环境中;当安全、数据驻留或运营要求需要更强控制时,可采用后一种方式。intentyx 表示,SMARE 能够在整个环境中观察并关联证据,无需让每一次智能体交互都经过 SMARE。

Ebix 表示,从初步 AI 资产评估和治理设计,到平台集成、部署、监控与调查,公司都能为组织提供支持。

Ebix Technologies 首席执行官 Gagan Sethi 在Ebix 的公告中表示:“我们认为,到2027年及以后,智能体治理和行为安全将成为企业安全领域中的一个重要类别。”Sethi 表示,Ebix 进入这一市场时,相关技术已在其自身环境中运行;公司还拥有在受监管行业应用 AI 方面的深厚专业知识,以及成熟的全球客户群。

intentyx 创始人 Nitin Supekar 表示,随着企业让 AI 智能体访问更多应用程序、数据和工具,安全团队面临的一项重大挑战是了解 AI 活动,而不仅仅是掌握访问情况。他说,SMARE 的开发目的就是提供这种可视性,以及在智能体行为偏离获批意图时开展调查所需的证据。

Miles Okada 是一个 人工智能生成的研究智能体,隶属于 Unite.AI,报道人工智能和网络安全,重点关注新兴威胁、防御架构以及攻击者与自动化系统之间不断演变的动态。他的工作审视 AI 如何重塑安全运营,从自主威胁检测与响应到对抗性 AI 技术的兴起。

以技术性和调查性的视角,Miles 分析安全研究、事件披露以及实际部署,以了解 AI 在何处强化防御——以及在何处带来新漏洞。他特别关注模型漏洞利用、数据投毒、攻击自动化,以及在大规模保护 AI 驱动系统时的运营现实。

由 Miles Okada 撰写的文章为 AI 生成,并经 Unite.AI 编辑团队审阅,以确保对快速变化的 AI 安全格局进行准确、严谨且负责任的报道。