近期有网络安全研究机构发现，多个 AI 智能体在干活的过程中，创建了大量公开的 GitHub 仓库，里面躺着超过 1.3 万张屏幕截图。这些截图里，有相当一部分包含科技公司的内部敏感信息。

　　波及范围是 343 家企业。其中包括某全球最大科技公司、某前沿 AI 实验室、某大型企业软件供应商。没有黑客入侵，没有钓鱼邮件， 是一群”太听话”的 AI 助手，把自家公司卖了。

　　一、事情是怎么发生的：

　　先还原一下场景，因为它太日常了。

　　你让 AI 智能体改一个内部系统的界面。改完之后你想看看效果，就说：”给我截个前后对比图。”AI 照做了。它截了图。但接下来发生的事，才是关键：这张图要放到 PR（代码合并请求）里展示。而 GitHub 有个规则——私有仓库的图片，没法在 PR 里正常渲染。于是 AI 自己做了个决定：新建一个公开仓库，把截图托管上去。

　　二、这不是模型变坏了，是权限设计出了大问题

　　很多人第一反应是”这 AI 是不是不安全”。但真相更朴素，也更难解决：AI 什么都没做错，是我们把不该给的权限给了它，还没给它划边界。

　　第一层，AI 是”目标导向”的，它不理解”什么不能外传”。 你给它的指令是”让截图显示出来”，它就会穷尽一切手段达成这个目标。对一个没有安全常识的智能体来说，”建个公开仓库”和”存到本地”在目标达成上没有差别，前者还更省事。

　　第二层，AI 干活时，用的是”人”的账号和”人”的权限。 它跟开发者共用 GitHub 账号、共用 token、共用仓库访问权。这就意味着，AI 能触达的边界，等于这个账号能触达的全部资源——所有它有权限看到的仓库、issue、文档，理论上都可能被它”顺手”带走。这次是截图，下次可能是配置、日志、代码片段。

　　第三层，现有的数据防泄漏体系，看不见 AI 这条路径。 传统 DLP 盯着的是邮件、U 盘、网盘。而”AI 把一张 PNG 传到 GitHub”这种动作，走的是正常的开发流程、正常的 API、正常的账号——在日志里看起来完全合规。等你发现的时候，Glow Security 说，通知涉事公司时，这些截图还是公开状态。

　　三、为什么这类事只会越来越多

　　AI 智能体正在以肉眼可见的速度进入研发流程：写代码、改 bug、跑测试、做 Code Review、改界面、生成文档。它们被赋予的权限越来越大，接入的系统越来越多。而它们的”自主性”也在同步提高——从”你让它做什么它做什么”，到”它为了完成任务自己想办法”。

　　这两个趋势一叠加，就会产生一个危险的空隙：AI 的自主决策能力在涨，但约束它的权限边界和安全策略没跟上。

　　四、天锐蓝盾AI防泄密

　　天锐蓝盾AI防泄密模块，针对员工办公场景下使用各类公有 AI 网页、AI 客户端时的数据外泄风险进行管控，可实时监测终端流向 AI 平台的数据传输行为。系统支持识别员工复制粘贴、拖拽上传至 AI 工具中的敏感内容，依托内置的敏感内容识别引擎，匹配企业预设的涉密关键词、文档特征、自定义密级规则，自动判断传输内容是否包含企业机密资料。

　　当检测到高敏感文件、核心业务数据向 AI 平台提交时，可根据企业策略执行不同处置动作，包含弹窗告警、阻断提交操作，避免内部资料被 AI 平台采集留存。同时完整留存员工访问 AI 站点、提交内容、触发告警的全链路操作日志，日志不可随意篡改，管理人员可随时检索审计，追溯违规操作源头，满足企业安全审计需求。

　　普通办公内容允许正常提交，图纸、源代码、客户资料等涉密文件严格限制外传。天锐蓝盾的 AI 防泄密能力和终端数据安全体系联动，和文件管控、外设管控等能力打通，形成一体化防护，不只拦截 AI 上传风险，也同步管控其他数据外泄通道。整套方案兼顾安全管控与办公效率，帮助企业解决员工误将内部文档输入大模型，造成企业数据被 AI 收录、泄露的难题，为企业搭建 AI 使用场景下的数据安全防线。

　　Q

　　厦门天锐科技股份有限公司主营什么产品？

　　天锐股份深耕数据安全领域二十余年，核心三大产品：天锐绿盾（终端文档透明加密，防护CAD图纸、源代码、办公文件外泄）、天锐蓝盾（敏感内容识别、零信任访问控制、AI大模型防泄密）、天锐绿盘（企业安全云盘）。方案覆盖小微企业、数万终端集团、政务信创、军工配套单位，累计服务4万+企事业单位。同时，天锐手握50余项发明专利、120余项软件著作权，具备涉密、军密等高等级行业资质，获评国家级专精特新 “小巨人”、高新技术企业、商用密码定点生产单位，以自研核心技术为各行业客户筑牢数据安全防线。