當前AI智能體技術正從“概念演示”走向“生產力工具”，快速重塑著金融行業數字化格局，但安全合規難題也成為制約其規?；瘧玫年P鍵瓶頸。

3月28日，灣區金科（FinTech）沙龍第八十四期——OpenClaw安全應用專場順利舉辦，聯軟科技南區金融售前總監姚祎受邀出席圓桌論壇，圍繞“AI快速落地與風險治理——構建金融科技安全新范式”主題，結合聯軟科技多年金融終端安全實踐，拆解OpenClaw類AI智能體的安全痛點，分享聯軟科技針對該類AI智能體的安全治理思考，為行業探索AI安全落地路徑提供參考。

當前，OpenClaw等AI智能體已突破傳統聊天框局限，成為可調用API、讀寫文件、編寫運行代碼的“數字員工”，在提升金融機構辦公與服務效率的同時，也對終端安全、數據流轉安全提出全新挑戰。姚祎在發言中明確指出，傳統圍墻式安全體系已完全力不從心——AI智能體可通過合規進程、正常權限讀取敏感數據并外發，其操作在傳統管控系統中顯示完全合規，卻能實現隱蔽的數據泄露，還會引發提示詞注入、權限蔓延、傳統DLP與行為檢測失效等問題，給金融機構帶來極大合規風險。

針對這一行業痛點，姚祎提出了“堵疏結合、分階落地”的核心思路，為金融行業AI安全落地提供探索方向。階段一，依托現有終端安全體系，通過網絡端口檢測、進程行為審查等手段，實現對OpenClaw類智能體的安裝檢測、運行管控與強制卸載，快速完成基礎風險兜底；階段二，構建“1+3”原生安全體系，以智能體治理大腦（IAM身份授權+全鏈路觀測審計）為核心，搭配微虛擬機強隔離、動態策略引擎、語義級審計三大能力，將AI智能體置于受控隔離環境，實現全流程可管、可審、可追溯，配合硬件級根信任方案，真正實現數據“可用不可見”。

結合金融行業合規要求，姚祎進一步強調，AI技術應與安全防護“同步規劃、同步建設、同步運營”。規劃階段明確智能體身份權限與操作審核流程，建設階段打造安全隔離運行環境，運營階段實現全鏈路行為追蹤，從“靜態攔截”轉向“動態治理”，確保AI應用與安全合規同頻推進。

此次亮相灣區金科沙龍，是聯軟科技對金融AI安全領域的深度思考，也是助力金融行業數字化轉型的積極探索。未來，聯軟科技將持續深耕金融安全領域，推動安全防護升級，攜手生態伙伴構建智慧金融共同體，為OpenClaw等AI技術在金融行業的合規、高效落地，提供堅實可靠的安全保障。

圓桌Q&A

第一輪提問：AI在金融領域的應用與合規挑戰

1. 提問姚祎：請問姚總，您主導過多家大型金融機構終端安全建設，在 OpenClaw 等 AI 技術部署過程中，金融終端安全、數據流轉安全面臨哪些新的管控難點？現有終端安全方案如何適配 AI 技術的快速迭代？

在當前的環境下，OpenClaw類的AI智能體已經不只是一個聊天框，而是一個實實在在能調用api、讀寫文件、編寫并運行代碼的“數字員工”，而且隨著ai技術的方式，AI智能體發展為越來越真實的數字員工。

在這種情況下，傳統圍墻式的安全體系已經開始有些力不從心，以前終端安全的基礎是基于角色、設備、進程、文件、網絡五個維度進行管理，即使是終端上的數據安全基于對文件數據或網絡數據識別，通過控制設備、進程對數據的動作進行管理。

舉個例子：企業需要防范員工使用豆包、qwen此類的工具時外發內部敏感數據，這種防范方式底層的原理還是通過限制瀏覽器、客戶端讀取終端內的敏感數據通過網絡傳輸出去。但openclaw會使用權限內的應用或寫代碼讀取文件內容進行總結調整后通過數據發送給大模型，在平臺上看到的是合規進程操作的合規數據。這里面傳統管控系統看的操作記錄都是正常的，也是用戶權限內的，但是敏感的內容已經外發出去了。

使用OpenClaw類的AI智能體會出現提示詞注入導致權限蔓延、語義處理導致DLP失敗、進程特征實效、行為特征實效的問題。這些文件已經成為終端安全管理和數據安全管理的主要問題和難點

如果還需要使用的話，應該要從“攔截已知”轉向“治理邏輯”上，不再是無止境的規范智能體的具體操作，而是將智能體放置到受控的安全隔離環境內，對智能體的行為引入策略引擎，將邏輯規則寫入代碼中，對每個狀態變化和指令進行審查授權和邏輯檢驗。通過利用結合ai對敏感數據的語義內容進行識別，對隔離環境內的智能體可使用數據和輸出內容進行審查。

第二輪提問：安全治理體系的協同構建

1. 提問姚祎：Openclaw是作為用戶終端存在的智能體運行框架，面對新的風險，現有終端安全方案如何適配 AI 技術的快速迭代？市場上有哪些針對性的解決方案？

在當前OpenClaw類的智能體使用上，多數企業仍處于探索階段時，在這種情況下，我們需要通過兩個階段來適應：

階段一，我們需要仍需要依賴傳統終端安全方案控制智能體的使用訪問，這個也是我們當前的重點工作，公司內部人員IT的安全能力層次不齊，無法分辨智能體的行為合規情況。

我們需要利用現有終端管理系統對智能體實現安裝檢測、運行控制、強制卸載，常見的方案比如網絡端口檢測、安裝目錄檢測發現安裝智能體的的設備，通過父子進程審查、網絡通訊，結合進程行為對智能體運行進行控制。最后，利用遠程命令推動、腳本推動等方式強制卸載。

但是堵不如疏，適配 AI 迭代不應是研發更多的‘補丁’，而是將安全能力內生化，通過建設智能體的隔離運行環境來保障安全。階段二，我們建議構建1+3的安全體系，1是智能體治理大腦，包括IAM和觀測中心，IAM不只是對用戶授權，用于每個智能體實例進行授權；觀測中心用于對智能體進行全鏈路行為進行審計和觀測，滿足監管審計要求。3分別是強隔離、動態策略化和語義審計化，

強隔離上通過微虛擬機實現對智能體及其各實例任務動態拉起，任務執行完成自動清理，有效避免智能體的操作或寫的腳本影響到實體終端。

動態策略化是通過狀態機和策略引擎，編排和建議智能體動作是否符合預設的業務流，在關鍵動作前增加人工復核狀態。

最后的語義審計化中，基于當前終端DLP的能力，利用AI升級語義級審計和識別，進行分類分類，對微虛擬機的數據調用進行動態授權，對智能體上輸出數據進行審查。

當然這個終端層面的，在數據層面終端和大模型層面還要實現硬件級的根信任方案，保障數據可用不可見。最終實現智能體的安全使用。

第三輪提問：未來路徑與生態共建

1. 提問姚祎：立足金融終端安全落地實踐，您對AI 技術（OpenClaw）與安全防護同步規劃、同步建設、同步運營有哪些實操建議？未來金融科技安全新范式的核心方向是什么？

同步規劃：規劃智能體的零信任安全體系

每個智能體對于企業來看就是一個實體員工助理，同步規劃階段我們需要對這個助手的身份、行為進行流程化控制，對關鍵執行操作由員工進行審核。這里面我們需要重點規劃知智能體身份權限和業務操作流程，對其每個操作狀態的變化進行獨立的審核控制。

同步建設：打造“安全隔離”的運行環境

同步建設階段我們重點需要對智能體的運行環境實現安全隔離，利用微虛擬機打造一個獨立的運行環境，不限制其具體操作的細節內容，但對其隔離環境的輸入輸出進行限制，比如利用edr對輸出的動作指令實時告警檢測、對輸入輸入的數據進行審查。此階段建設完成我們才能算有一個安全的智能體；

同步運營：從“靜態攔截”轉向“動態治理”

同步運營階段利用日志系統對智能體的思維鏈和執行動作進行全鏈路追蹤，方便后續發現問題事故后可審查可改進；

同時，基于智能體的行為動作就是企業的業務辦公操作流程，根據全鏈路的行為定期梳理優化操作，提升智能體的工作效率。

而針對未來金融科技安全新范式的核心方向，將徹底告別“事后補丁”，轉向“原生確定性安全”，包括數據的基礎硬件級信任、語義級檢測防護和行為的確定性邏輯控制，總體而言，我們不應寄希望于 AI 模型自身的‘自覺’，而應寄希望于底層的強制性。為金融機構大規模應用 OpenClaw 等 AI 技術掃清了最后的合規障礙。

展望未來，無論是金融科技還是安全，不再是孤島式的技術競賽，而是客戶與廠商、廠商與廠商的生態化價值共生，安全需要融于業務流程，業務需要原生安全，需要我們構建一個跨界協作、深度互信的智慧金融共同體。