数据库 频道

对话海能达崔鹏:Agent直连数据库风险丛生,用安全网关构建访问护栏

  当数据访问主体变成了Agent,数据库安全正面临前所未有的新风险:不带where条件的update/delete、越权访问、敏感数据明文直接灌入模型上下文,一旦出现问题,溯源定责更是困难重重。

海能达通信股份有限公司数据库团队负责人 崔鹏

  近期,我们专访了海能达通信股份有限公司数据库团队负责人崔鹏。在他看来,当下不少数据库产品,尚未做好适配 Agentic AI 时代的准备,并给出了他的观察、思考与实践,分享了对应的解决方案。

Agent变为数据访问主体后的新挑战

  2025年海能达在业内率先提出AI专网理念,将AI技术引入专用通信解决方案及行业应用。包括集团内部和所服务的客户,都在积极布局AI,而Agent的落地需要数据层做好支撑。

  崔鹏介绍,在数据库底座方面,团队判断,Agentic AI时代与过去的信息化、甚至上一波AI加报表有本质不同,核心变化是AI Agent开始成为数据库新的访问主体,模型动态生成SQL,具有不确定性,甚至带有幻觉,存在更大的安全风险。这种不确定性给数据存储层带来了四个当前尚未很好解决的问题:

  一是危险语句。模型可能生成没有where条件的update或delete语句,一旦执行就会影响整张表。传统数据库权限主要关注用户角色是否具有读写权限、SQL能否通过语法语义解析,重点并不在这里。

  二是越权访问。模型可能查询本不该触碰的表和列,传统数据库权限虽然可以控制,但不少行业客户和应用对账户权限的使用较为粗粒度。在传统硬编码年代,Service层的SQL是固定的,变化的只是条件,尚可控制,而传统授权按人或应用账号进行,现在则需要面向Agent授权。

  三是敏感数据泄露。若接入公网模型API,手机号、身份证号、邮箱等敏感信息以明文进入模型上下文,可能造成关键信息泄露。

  四是事后无法定责。现有审计层无论放在数据库还是专门堡垒机,都是面向传统数据库或传统业务应用的,并没有针对Agent访问数据库做专门审计。Agent生成的SQL规则命中、决策记录一旦出问题也难以还原。

  而Agentic AI能否从Demo走向真正落地,从数据层面来看,主要取决于以下几个关键因素:

  第一,数据必须可访问、可控。既不能因为安全顾虑而不让模型访问数据,也不能把数据存储层无条件敞开给模型,而要在“可用”与“可控”之间寻找平衡。因为Agent需要拿到完成任务所需的数据,否则智能就无从谈起,但数据访问又必须有边界。

  第二,安全边界要前置。多Agent访问一个数据库或一组数据库集群时,不能把安全压力全部压给数据存储层。最小权限只读账户、安全网关、网络隔离等机制,都应在Agent上线之前设计好,而不是等出现问题后再补救。

  第三,要可观测、可审计。Agent是帮助人做事并进行自主决策,当前更强调长任务、长上下文推理和连续任务执行,它会不断自我反问、自行解决问题。因此,Agent的每一步数据访问都应可见、可回溯。一旦出现问题,要能定位是哪一步出了问题、是哪个身份执行或放行了什么操作。

  第四,成本和性能要可控。与传统应用不同,Agent为完成一个任务往往会反复查询、多轮试错。如果对QPS、连接数、超时时间、结果行数等没有限制,就很容易把数据存储拖垮,成本也可能失控。

  崔鹏认为,Agentic AI时代,数据库的角色正从过去的被动存储转变为Agent的主动数据供给方,但这种供给必须要带安全护栏——即需要带有安全审核、审计和安全过滤的数据供给。Agent的记忆和事实都来源于数据库,其决策质量本质上取决于数据质量和数据访问的可靠性。数据库这一层稳不稳、安不安全,直接决定Agentic AI能否从“能跑”走向“敢用”。数据库必须为Agentic AI时代做好准备,在数据存储层面补上面向Agent的原生访问层。这不是传统DBA在运维系统里执行几个命令、操作几个页面、建几个只读账户就能解决的。

AgentSQL智盾为Agent访问数据增加安全护栏

  为了更好地支撑Agentic AI落地,海能达数据库团队的应对思路可以总结为“往前走一步”:不是等业务把Agent跑起来、出了安全事故再去补问题,而是提前研究如何让Agent访问数据库这件事可约束、可解释、可追溯。

  实现“往前走一步”的关键设计是在模型和数据库之间加一层安全网关——‌AgentSQL智盾,不让Agent直接连接数据库,Agent把想要执行的SQL先交给‌AgentSQL智盾,‌AgentSQL智盾走完一整套安全链路、做出决策之后,再去真实数据库执行、并把结果脱敏后返回。

  简单来说,‌AgentSQL智盾这一安全网关相当于AI和数据库之间的“安检门+过滤器”,防止模型乱查数据、越权访问或泄露敏感信息。

  目前,‌AgentSQL智盾已经基于Apache 2.0协议开源,Agent与该安全网关层之间采用MCP协议作为标准接口,上层不管接入哪种模型和Agent框架,数据库访问都收敛到同一受控入口。开源版本支持Text to SQL问数与安全权限控制两大功能。

  作为独立的AI数据库安全网关,‌AgentSQL智盾可以看作一个外接的MCP服务,每一条模型生成的SQL,都会有鉴权、解析、安检、决策、执行脱敏、留痕六大安全链路保驾护航,让每条SQL在到达业务数据库前先经过身份认证、结构化解析、授权与规则评估、风险决策和受控执行。执行返回结果前可按策略脱敏,全链路整个过程同步写入审计。

  比如,一条正常SQL由Agent关联的模型生成后,经Agent的MCP Client发送给AgentSQL智盾,系统第一步先做用户和角色权限校验;第二步将SQL转化为AST语法树,解析SQL语义,识别操作类型与对象;第三步安检,做二次校验,判断语法是否合理,进行危险操作识别。安检完成后,AgentSQL智盾决策对该SQL的处理分为四类:第一类,通过放行到最终数据库;第二类,告警,虽然放行但会提示异常;第三类,直接拒绝,比如残缺SQL这种根本打不到数据库上;第四类,转人工,比如SQL解析通过,但没有limit等限制,需要转人工处理,等待人工审核。

  其中有两个设计特别重要。其一,不少安全访问控制程序默认处于放行状态,只有加上拒绝规则才会拦截。AgentSQL智盾的设计思路则是默认拒绝,任何异常或关键依赖失败都按错误关闭处理,宁可拦错也不放行。其二,安全检测分为静态和动态两类——先对即将触达数据库的SQL做校验,再通过只读执行计划解析进行动态风险评估。

  目前‌AgentSQL智盾开源项目已支持8类30种数据库,较完善地支持各数据库方言和标准SQL。系统还会根据针对某个Agent设置的规则进行拦截,例如不允许该Agent执行写操作、只允许读操作,那么它生成的所有写操作都会被判定为不安全并直接拦截。

  崔鹏介绍,当前Agentic AI落地还处于早期阶段,相较于Agent访问数据库,还是传统的人员访问或硬编码应用访问数据存储层居多。企业核心顾虑在于Agent背后的大模型一旦出现幻觉,可能把数据搞乱、搞坏,因此企业对直接开放Agent访问数据普遍谨慎。Text to SQL是Agent访问数据库的关键落地场景,但现有不少产品主要靠预置自然语言问句与SQL规则匹配来提高准确率,安全防控粒度较粗,而自然语言表达多样,人的思维也发散,规则无法穷举,也预制不起。

  在具体场景落地中,容易出现两个极端:要么出于安全考虑,干脆不让Agent访问数据,导致数据不开放、上下文缺失,智能体效用无从发挥;要么让Agent访问,但限制得很死,大量依赖预制规则和严苛约束,既预制不起,又因限制太多而无法完整发挥模型和Agent的能力。

  “更合理的方式是在Agent与数据存储层之间加一层安全网关,在可控边界内既保证数据安全,又完整利用模型和Agent的访问与处理能力。”崔鹏相信,AgentSQL智盾这样的AI数据安全网关,拥有普遍的需求,可以让Agent在落地时找到一个平衡点,更可控地访问该访问的数据,以获得更好的智能成效。

小结

  崔鹏观察到,当前很多数据库产品面向Agentic AI落地还没有准备好,存在以下不足:

  一是缺少面向Agent的原生访问控制,基本依赖外挂,没有Agent级别的身份、权限和审计,导致传统权限体系防不住Agent访问;二是MCP支持参差不齐,不少数据库厂商仍在用function calling调用,官方MCP Server缺失,客户只能找第三方或直接用高权限账户连接,过度授权等MCP安全风险由此产生;三是动态评估能力弱,模型生成的SQL在执行前缺少基于执行计划的成本和风险评估;四是审计仍是库内视角或传统人员与应用视角,而非Agent任务视角,传统的审计是一条条的SQL,很难把一次Agent任务多步操作串成一条完整的证据链;五是结果脱敏和数据防泄露能力薄弱,数据可能原样传给模型,带来保密数据泄露风险。

  同时,他也希望未来国产数据库能够更重视AI场景适配:在数据库层面以原生方式把Agent作为一等公民,原生支持Agent身份、权限和审计;官方提供安全的、默认最小权限的MCP Server,而不是让客户用高权限账号自行连接;开放执行风险评估能力,如成本计算、扫描行数、查询识别等,并前置到服务层,避免流量直接打到数据库;开放结构化审计方式,便于与外部安全网关、安全平台对接。

  崔鹏最后强调,Agentic AI时代的数据库竞争,正从“谁存得快、算得快”逐步转向“谁能让Agent的数据访问更安全、更可控、更可信”。这既是值得数据库厂商重点投入的方向,也是智能体AI从“能跑”走向“敢用”的关键。安全是一条长链条,独立的AI安全网关与数据库协同,或能更好地为企业AI落地保驾护航。

0
相关文章