TL博士
几乎所有工程团队都使用人工智能编码助手。但几乎没有团队能够清点出他们实际运行的人工智能系统。 Gartner 在其 2025 年数据安全技术成熟度曲线中将 AI 安全态势管理定义为一个类别，因为差距是真实存在的：模型、代理、MCP 服务器和数据集都是攻击面上的 AI 资产，而大多数组织没有结构化的方法来查看它们。
发现问题而不采取补救措施，仅仅是…… dashboard. 大约 40% 的 AI 生成代码存在安全漏洞。AI 助手会大量复制不安全模式，而人工审查机制根本无法应对。了解存在哪些 AI 资产只能解决一半的问题——另一半问题在于评估其风险并在代码发布前，在编写代码的同一工作流程中修复这些漏洞。
攻击面比代码本身要广。 已记录的攻击目标已转向代码周围的资产：规则文件中隐藏的Unicode字符导致助手发出后门输出，MCP工具中毒并通过广泛使用的MCP桥（下载量超过437,000万次）执行完整的远程代码，以及域名抢注——注册软件包名称。人工智能模型在统计学上很可能产生幻觉。 SAST 和 SCA 这些我一个都没看到。
解决方法是一个循环，而不是三个点工具： 人工智能SPM 构建库存和 AI-BOM； 人工智能安全 针对LLM申请的OWASP Top 10风险进行评分； 开发人工智能 它可以修复 IDE 中编写的漏洞代码，同时覆盖 AI 生成的代码和人类编写的代码，并且可以在其他代理执行操作之前拦截它们。 它适用于Xygeni自身扫描仪的扫描结果，以及所有已通过现有工具采集的数据。 — 无需拆卸更换。
几乎所有工程团队都采用了人工智能编码助手。但几乎没有团队能够回答一个简单的问题：我们实际运行了哪些人工智能模型、代理和MCP服务器？它们各自存在哪些风险？如今，这种差距有了个专门的名称。Gartner正式定义了人工智能安全态势管理。 (人工智能SPM) 作为其类别之一 2025 年数据安全技术成熟度曲线 ——与CSPM和DSPM同源。之所以存在这一类别，是因为数据确凿：大约40%的AI生成代码包含安全漏洞，AI如今已成为攻击面的一部分，而不仅仅是开发人员使用的工具，而且大多数组织没有对其运行的AI资产进行结构化的清点。
这也是我们将在现场讨论的话题。 OWASP AppSec Days Portugal 20269月23日至24日在波尔图， Xygeni是黄金赞助商最后会详细介绍，但如果您想直接跳到后面， 在这里获取您的票.
问题在于：人工智能生成的代码本身就存在风险。
大约 40% 的 AI 生成代码包含安全漏洞。针对 AI 编码助手的独立研究发现，其失败率始终居高不下。 OWASP顶级10其中，某些缺陷类别（例如跨站脚本攻击）几乎出现在所有生成的样本中。人工智能助手不仅编写代码速度更快，它们还能更快地复制不安全的模式、不安全的依赖关系和不安全的配置，而且其处理量之大，是任何人工审查流程都无法应对的。
攻击面并不仅限于助手编写的代码。它还延伸到您的团队已经运行但很少清点的 AI 资产：模型、数据集、代理和 MCP 服务器。每一项都已造成过真实且有记录的攻击：
- 规则文件后门： 攻击者利用不可见的 Unicode 字符将指令隐藏在 GitHub Copilot 和 Cursor 等工具读取的规则和配置文件中，导致助手在不知情的情况下发出后门代码。 MITRE ATLAS案例研究。
- MCP工具中毒和远程代码执行： 广泛使用的 MCP 网桥存在严重漏洞，下载量超过 437,000 次，一旦客户端连接到不受信任的 MCP 服务器，即可执行完整的远程代码。
- 懒散蹲坐: 大规模学术研究在 16 个 LLM 中生成了超过 200 万个代码样本，发现近五分之一的推荐软件包根本不存在，攻击者可以提前注册并利用这些名称。
这些在传统中都没有体现出来。 SAST or SCA 扫描。这些工具能理解代码，但它们不理解模型是什么，MCP 服务器在做什么，或者代理的配置文件是否被篡改过。
大多数团队只解决了一半的问题。
本能反应是添加各种专用工具：一个用于模型扫描，一个用于运行时提示防火墙，第三个用于…… IDE助手这和应用安全部门犯的错误一样。 SAST, SCA十五年前的秘密扫描也产生了同样的结果：可见性分散、警报噪音不断，而且没有一个地方可以回答“我们实际运行的是什么人工智能，它是否安全”。
只发现问题而不进行修复，只能告诉你哪里出了问题。只修复问题而不进行发现，意味着你在修复代码的同时，影子 MCP 服务器和未经授权的代理程序却在旁边不受监控地运行。人工智能安全必须在同一平台上同时涵盖这两方面，否则就不能称之为态势管理。 dashboard.
更佳方案：利用人工智能安全态势管理技术发现、检测并修复安全漏洞
西吉尼 人工智能安全 在整个人工智能时代，这一循环得以完成。 SDLC从模型和 MCP 服务器到开发者的端点。
- 发现。 AI-SPM 构建组织内所有 AI 资产的实时清单：模型、数据集、代理、MCP 服务器。它通过以下方式验证清单的准确性： AI-BOM， 审计人员和监管机构越来越要求提供证据基础，无论是欧盟人工智能法案规定的高风险系统的技术文档，还是西班牙 ENS 等框架要求的资产清单。
- 检测。 AI 安全根据实际风险对每项资产进行评分：快速注入、不安全的 MCP 配置、数据泄露，与……一致 OWASP 十大法学硕士申请问题研究结果会进行排名，而不是被放入队列中。
- 在编写代码的地方进行修复。 这是人工智能生成的地方 code security 实际上问题解决了。Xygeni 开发人工智能 它作为集成开发环境 (IDE) 内的连续层运行，在开发人员处理人工编写的代码和 AI 生成的代码时进行增量扫描。它执行智能 AI 漏洞检测，并绘制漏洞图谱。 AI驱动的攻击路径 展示如何实际利用漏洞，并提供 AI 生成的安全修复方案，这些方案在开发人员应用之前就已经验证了其可利用性和破坏性变更风险。 Guardrails 在变更到达 CI 之前，会根据安全和合规策略对其进行验证；此外，专门的 DevAI 代理会拦截其他代理即将执行的操作：验证技能和规则文件，筛查代理尝试安装的每个软件包是否存在恶意软件和域名抢注模式，并在执行之前监视 MCP 工具的行为是否存在投毒。
- 执行。 Shield 将同样的策略扩展到开发者的终端，在不安全的 AI 活动运行之前就阻止它。
因为 人工智能分类解释和补救措施不仅适用于 Xygeni 自己的发现，还适用于从现有工具中吸收的所有内容，团队无需放弃他们已经投入的东西即可获得这些。
在 2026 年葡萄牙 OWASP 应用安全日上与 Xygeni 见面
我们将把这场对话带到波尔图。 西吉尼 是黄金赞助商 OWASP AppSec Days Portugal 2026，正在运行 九月23-24 米兰达安东尼奥·库比蒂诺基金会。
我们将出席本次活动，探讨人工智能安全态势管理的实践应用：团队如何发现他们之前未知的AI资产，以及AI生成的…… code security 它融入现有的 AppSec 程序中，而不是与之并列，并且当前 MCP 和代理威胁浪潮在实际环境中究竟是什么样子。
如果你要参加， 欢迎莅临 12 号展位，与 Xygeni 团队见面。 如果人工智能安全态势已列入您的发展规划，但您无法亲临波尔图，我们很乐意直接与您进行探讨。在同一时期，我们还将在…… 2026年德国OWASP日将在卡尔斯鲁厄举行探讨人工智能安全问题 Shield特别是其执行层。
立即预约与我们会面！
常见问题解答
- 什么是人工智能安全态势管理（AI-SPM）？
AI-SPM 是一门学科，它旨在发现、清点并持续评估组织运行的每项 AI 资产（包括模型、数据集、代理和 MCP 服务器）的风险，其方式与 CSPM 对云、DSPM 对数据的作用类似。Gartner 已将其定义为 2025 年数据安全技术成熟度曲线中的一个类别。Xygeni 的 AI-SPM 构建了这一资产清单，并以 AI-BOM 提供支持，从而为安全和合规团队提供可用于审计的证据。
- 是什么让人工智能生成 code security 与传统方式不同 SAST or SCA?
传统的静态分析和依赖扫描旨在理解代码和软件包，而非人工智能特有的风险。它们无法检测到提示符注入、恶意规则或技能文件、MCP 工具投毒，或人工智能助手可能安装的恶意抢注的软件包名称。人工智能生成的 code security 它必须融入开发者已经使用的相同工作流程中，同时扫描人工编写的代码和 AI 生成的代码，而这正是 Xygeni DevAI 在 IDE 中所做的。
- 为什么大约 40% 的 AI 生成代码存在漏洞？
人工智能编码助手能够学习并复现训练数据中的模式，包括不安全模式，而且它们生成代码的速度远超人工审查的速度。独立研究始终发现，人工智能生成的样本中OWASP Top 10漏洞的发生率很高，某些类型的缺陷，例如跨站脚本攻击，在绝大多数测试中都会出现。
- AI-SPM 能否取代我们现有的应用安全工具？
不，而且它也不应该尝试这样做。Xygeni 的 AI 分类、解释和补救措施适用于 Xygeni 自有扫描器生成的结果，以及从现有第三方工具导入的结果，因此团队可以获得统一的 AI 风险保障，而无需对已投入的系统进行彻底的替换。
- 我可以在哪里看到实际应用？
Xygeni是OWASP AppSec Days Portugal 2026的黄金赞助商。9月23日至24日在波尔图举行，团队将在现场。 展位12 通过 AI-SPM 进行交流，AI 生成 code security以及当前MCP和代理威胁的浪潮。赶紧购票，或者如果您无法前往波尔图，请直接联系我们。
同一周，我们也在…… 德国OWASP日2026 在卡尔斯鲁厄，专注于人工智能安全和 Shield的执行层。
