给大模型做了一堆安全检测，结果手边那个不起眼的小插件出事儿了。
这不是假想。当前企业AI应用的形态不断演进，从早期单一的大模型调用发展为多智能体协同的复杂AI系统。如今的它更像一个手脚麻利的“正式员工”：要调用RAG知识库查资料、通过MCP服务连接系统操作业务、调用SKILLS插件和第三方工具等完成工作任务。
这些智能体供应链组件增强了智能体的能力，但也同时放大了AI应用面临的安全风险。聪明的攻击者，此时也不再正面攻击大模型，而是从供应链组件寻找突破口。
目前国家已经出台《网络安全（885459）标准实践指南——智能体系统开发安全指南》，该标准明确列出了基础模型、智能体开发框架、第三方组件、工具、MCP服务、API接口、外部数据服务等智能体供应链要素，并为天融信（002212）AI安全评估系统开展智能体供应链安全评估提供了指引性要求。
风险换了入口
智能体供应链成为新的攻击面~
现在AI应用的安全风险正向智能体上下游供应链快速扩散，而且每个环节都可能出现问题：
开源模型仓库下载的模型制品可能存在权重配置被替换、微调数据投毒、onnx/safetensors后门等风险；
企业知识库、爬取网页、第三方文档源等RAG知识库数据源可能成为向智能体投毒的快捷通道；
第三方的SKILLS/MCP可能混入恶意代码，帮助攻击者实现沙箱逃逸和工具越权调用；
提示词模版的配置不当也可能出现过度授权、密钥蔓延、行为失控等安全问题。
可以说：AI应用的安全边界，已从大模型本身延伸到每一个被智能体调用的组件。
然而，很多企业的安全评估还停留在“只考模型，不查工具”阶段，对智能体供应链安全存在评估方法不适用、评估维度不匹配、新型风险难识别、工具链路有盲区等问题，导致安全存在缺失。天融信（002212）AI安全评估系统可针对智能体的IT基础设施、生成内容、API接口、部署服务等进行全面风险评估，实现对内容风险与系统脆弱性协同关联的穿透式检测。
穿透式评估
智能体供应链安全评估不留盲区
要堵住这些缺口，靠“头痛医头”地单点排查不够，得对智能体的供应链做一次穿透式评估。天融信（002212）AI安全评估系统构建了涵盖系统安全、内容安全、对抗安全、语料安全、MCP服务安全、SKILLS工具安全等六个维度的智能体供应链安全评估体系，从模型到智能体，从应用到供应链，将AI应用面临的安全风险点全部纳入评估范围。
内容安全精准核查模型生成内容的合规性、真实性与伦理符合性，杜绝有害信息、虚假内容、隐私泄露等问题；
MCP服务安全基于LLM分析与静态规则实现了双路检测，可解析MCP元数据，识别凭据窃取、权限提升、工具投毒等安全风险；
SKILLS工具安全采用静态规则、LLM分析、Docker行为分析等三重手段，可实现对SKILLS文件和提示词模版的统一管理与批量安全检测；
语料安全则可检测RAG知识库存在的敏感信息泄露、违规内容与数据投毒等风险隐患。
语料安全
最信任的RAG知识库也最容易被污染
RAG知识库让大模型“有据可依”，而这份“据”来自企业知识库与外部语料——它既是模型最信任的数据源，也最容易成为绕过防护的通道。残留的敏感信息会随检索结果一并外泄，违规内容被召回后以“有出处”的名义输出，被投毒的条目则可能长期隐蔽地误导业务判断。天融信（002212）AI安全评估系统从数据侧补齐这一环：对训练与检索语料开展敏感信息泄露检测、违规内容识别与数据投毒排查。
合规锚定
让智能体供应链安全满足监管要求
对企业而言，智能体供应链安全不只是技术问题，也是合规问题。天融信（002212）AI安全评估系统对标GB/T 45654-2025《网络安全（885459）技术 生成式人工智能（885728）服务安全基本要求》，覆盖OWASP MCP Top10、OWASP Agentic Skills Top10等规范涉及的安全威胁，严格遵循针对大模型、智能体及供应链的安全监管要求，可输出标准化的安全测评报告，以满足备案、监管与合规自查等场景的需要，实现了智能体供应链安全风险的识别、量化和评估的闭环。
智能体越强，供应链越长，安全风险的木桶效应越明显。把MCP、SKILLS、RAG知识库、第三方工具等供应链纳入AI应用安全的评估范围，给整条链路全面体检，才算真正筑牢全链式AI应用的安全防线。
