AI工具成企业新漏洞，Pluto Security融资4200万美元

AI正在以一种出人意料的方式重塑企业安全版图。据TechCrunch报道，安全初创公司Pluto Security近日完成了4200万美元融资，而支撑这一轮融资的核心逻辑并不复杂：当公司把AI工具开放给每一名员工时，人们总会以超出预期的方式使用它们，而这正在持续制造新的、巨大的安全缺口——或者说，这些缺口很快就会显现。

这笔融资的时机颇具象征意义。过去两年，生成式AI从实验性工具迅速变成企业办公的基础设施，写代码、做分析、拟合同、处理客服工单，几乎每个岗位都能找到对应的AI助手。但在安全团队眼中，能力扩散的另一面是风险扩散。

影子AI：便利背后的安全黑洞

所谓“影子AI”，指的是员工未经IT或安全部门批准，自行使用外部AI工具处理工作内容的行为。这一现象在企业内部极为普遍：员工把客户名单粘贴进聊天机器人做分类，把内部代码提交给AI助手做审查，把尚未公开的财报草稿交给AI润色。对员工而言，这只是效率工具；对安全团队而言，这相当于在公司防火墙上开了无数个自己都不知道的门。

更棘手的是，这些行为的可见度极低。传统的数据防泄漏（DLP）体系围绕邮件、网盘、U盘等明确通道构建，而AI交互往往是浏览器里的一次粘贴、一次回车，流量加密、目标域名合法、行为看起来与正常上网无异。当数据已经出现在第三方模型的上下文里，事后追溯往往为时已晚。

传统安全工具为何失灵

企业安全体系过去二十年的演进，基本建立在“边界清晰、资产可枚举”的前提上：有明确的终端、明确的服务器、明确的访问路径。AI的引入打破了这三个前提。

“给公司里每个人开放AI工具的问题在于，人们会用你意想不到的方式去使用它们。”

首先是身份与权限的模糊化。当AI代理（Agent）开始代表员工执行任务、调用内部API、读写数据库时，它到底算人还是算机器？该套用哪一套权限模型？其次是数据流向的不可控。模型推理发生在企业边界之外，提示词里可能混入敏感信息，而输出结果又可能被再次投喂给其他工具。第三是攻击面的扩张：提示词注入、模型幻觉导致的错误决策、第三方AI供应链的合规风险，都是传统扫描器和防火墙难以覆盖的领域。

这也解释了为什么Pluto Security这类公司将叙事重点放在“让安全团队重新获得可见性”上。在AI时代，安全产品需要回答的问题不再是“有没有异常流量”，而是“谁在用AI、用了哪些AI、把什么数据交给了AI、AI又做了什么”。

资本为何持续押注AI安全

4200万美元的融资规模，在当下的安全创业赛道中属于相当可观的量级，也反映出资本市场的一个判断：AI带来的安全需求不是一次性的项目，而是持续性的结构性支出。企业可以暂缓上马某个AI应用，但很难暂停对数据泄露的担忧；而当监管开始就AI数据使用提出更明确的要求时，合规压力会进一步转化为采购预算。

从更宏观的视角看，AI安全正在分裂成两条清晰的赛道：一条是“用AI做安全”，即用大模型提升威胁检测与响应的效率；另一条是“为AI做安全”，即为模型、代理和数据流提供防护。Pluto Security显然站在后一条赛道上，而这条赛道目前最大的特点是——需求真实，但最佳实践尚未定型。谁能率先把模糊的风险转化为可操作的产品语言，谁就更有可能在企业预算中占据一席之地。

编者按：真正的挑战在组织，而不只在技术

值得提醒的是，AI安全问题的根源往往不是技术不够先进，而是组织治理的滞后。很多公司至今没有一份清晰的AI使用政策，没有对可用的AI工具做过安全评估，也没有为员工提供“哪些数据绝不能交给AI”的明确指引。在这种状态下，再先进的安全产品也只能做到事后补救。

因此，对企业的现实建议是三条：其一，建立AI资产清单，搞清楚公司里到底有多少AI工具在跑；其二，把AI使用纳入现有的数据分级与权限体系，而不是另起炉灶；其三，承认员工的效率需求是真实存在的，用合规的内部通道去替代封堵，而不是简单禁用。

AI不会让企业安全变得无解，但它确实让旧地图失效了。Pluto Security拿到的这4200万美元，本质上买的是一个尚未写完的答案——而这个答案，所有正在拥抱AI的企业都得一起寻找。

本文编译自TechCrunch