English日本語
AI+安全-沙巴新一代安全防护系统主题 > 人为智能安全有关资讯
“让每一句人机对话都安全可信 ，让每一次智能交互都风险可控——这是属于AI时期的安全承诺 。 —— 沙巴”
2025年3月初 ，中国AI草创公司Monica.im推出的通用智能体Manus ，以一匹黑马的姿势搅动了全球人为智能领域的格局 。这款号称“全球首款全自主执行复杂工作的数字代理人” ，凭借其“规划-执行-验证”多智能体协同架构 ，在GAIA基准测试中刷新了智能体解决现实问题的机能纪录 。其怪异的云端异步处置模式让用户亲眼目见AI像人类般挪用浏览器、编写代码、天生汇报的全流程操作 ，这种“手脑并用”的突破性设计 ，使得AI智能体从对话建议者蜕变为工作执行者 。
当前 ，Manus引发的热潮已超过技术自身 ，成为观察中国AI产业化蹊径的窗口 。与DeepSeek的基础大模型技术突破型蹊径分歧 ，Manus选择在利用层智能体得救 。这种“从1到10”的创新能力或将沉构人机合作范式 ，推动智能体从尝试室走向真实出产力场景 。这场由工程整合驱动的智能革命 ，在为通用人为智能的产业化按下加快键 。
一、“指月”公案
Manus刚一颁布 ，推崇者、质疑者就接连不断 。提问DeepSeek ，回覆总结了最近业界的重要争议：
? 技术原创性与工程整合之争：是否套壳 ，依赖第三方模型 ，工程能力VS原创性 ，复刻容易 。
? 营销战术与传布真实性：饥饿营销、约请码炒作 ，演示与履历落差 ，国内表传布差距 。
? 技术蹊径与行业尺度吩扃：基础模型派VS利用派 ，伦理尺度缺失 ，评估系统不统一 。
? 产品成熟杜纂贸易可持续性：早期产品不不变 ，运行快率慢 ，崩溃问题 ，复现门槛低 ，大厂竞争风险 。
? 伦理与责任界定问题：滥用风险如诳骗 ，责任划分不明确 ，不足司法框架 。
禅宗有一个驰名的“指月”公案 。
公案有两种经典版本：
禅师版本：有建行者问禅师“何为佛法” ，禅师不答 ，仅以手指向夜空明月 。问者却误将“手指”当作佛法自身 ，忽略了手指指向的明月 。
佛陀版本：佛陀说法时手指月亮 ，多人不解其意 。佛陀诠释路：“佛经如指向月亮的手指 ，主张是让你们找到月亮 ，但若只钻研手指的粗细、色彩 ，便始终见不到真正的明月 。”
只管存在诸多争议和会商 ，我们不愿定要把把稳力都聚焦在“Manus」剽只手上 。我们能够尝试去仔细观察审视一下这只手所指的月亮——AGI通用人为智能（Artificial General Intelligence）；即便AGI遥不成及 ，是否能够看看月亮周围的星辰——API专业人为智能（Artificial Professional Intelligence） 。
API专业人为智能聚焦在一个清澈天堑内的专业领域内 ，好比：网络安全、日常Office办公、量化买卖等 ，在领域内达成肯定的通用智能 。借鉴Manus给沙巴提醒 ，选取多智能体集群的大模型利用状态 ，能够解决单智能体难以职守的自主驱动的复杂API工作 。
二、智能体集群化 ，从组织到器官、系统
一个单智能体就是最幼的API专业人为智能 ，就像人体生理解剖学中细胞聚合而成的“组织”；
而多智能体的结构性组合就如同是人体生理解剖学中的“组织组成了器官”；
由于API专业人为智能具罕见学上的一种“分形”个性 ，能够让API组成更大更强的API ，让结构性的智能体集群形成如同人体中的“系统”（如同呼吸系统、消化系统、免疫系统等等） 。
智能体集群化思想 ，以及衍生的结构问题、规模问题、能力问题（算力问题）、循环问题（数据和知识问题）、行动问题（工具问题）等等 ，都成为钻研API专业人为智能甚至走向AGI通用人为智能的沉要蹊径 。
以智能体集群思想 ，对机构安全发展全面智能刷新的重要思路就是两点:
其一 ，让基础安全能力原子化、工具化、智能体化；
其二 ，构建一个多智能体、智能体集群的安整个系 。
沙巴研判 ，当下和将来一段功夫的安全智能化蹊径 ，该当走API专业人为智能、智能体集群的钻研路线、产品路线和工程路线 。
三、M·A·N·U·S ，智能体集群的五大特点
就像人体有呼吸、消化、循环等等八大系统 ，结合最近几年的AI钻研堆集和“Manus的指月” ，沙巴提出API专业人为智能和智能体集群该当拥有的五大特点（五大能力、五大属性）：
Ｍ-Multi-Agent Synergy 多智能体协同
Ａ-Autonomous Execution 自主执行
Ｎ-Natural Interaction Framework 天然交互框架
Ｕ-Unified Tool & Application Interface 统一工具和利用接口
Ｓ-Secure-Compliance Mesh 安全合规网格
1、M – Multi-Agent Synergy（多智能体协同）
多智能体、甚至是智能体集群一路协同实现智能工作 。智能体集群模式能够让智能体占有集中和散布的选择 ，能够实现智能体向数据挨近、向接见者挨近 。智能体集群能够实现并行执行 ，也能够像人那样同时进行深度思虑与肌肉反射 。多智能体协同的结构多样性 ，让API专业人为智能拥有了如同人体“器官”的复杂职能、人体“系统”的协调系统 。
主题技术机造索求：
（1）通过度布式调度算法实现跨模型、跨工具链的动态合作 ，支持行业知识库与私罕见据的混合挪用 。
（2）参考Manus的实际 ，多智能体系统选取规划-执行-验证三层动态调度机造 。
? 规划层：通过工作规划引擎将用户指令拆解为原子工作（如“天生财报”分化为数据洗濯、模型训练、可视化等） ，并基于资源池动态分配智能体 。
? 执行层：各智能体独立挪用工具API接口（如Python剧本天生、数据库查问） ，通过异步通讯和谈共享中央了局 ，预防资源竞争 。
? 验证层：验证输出了局 ，确保子工作正确执行 。
（3）动态负载平衡 ，结合算力调度 ，智能体集群可凭据工作复杂度动态调整资源分配 。
? 轻量工作（如数据查问）优先分配至边缘节点 ，降低延长；
? 高耗工作（如大模型推理）路由至云中心GPU集群 ，并通过弹性扩缩容节造成本 。
2、A – Autonomous Execution（自主执行）
以AGI通用人为智能的高度要求 ，要求智能体要拥有人类那样的自主性、甚至自我意识 。而从API专业人为智能的角度 ，所谓自主执行只需可能在某个专业领域内接受持久或复杂的工作指标 ，并在执行中可能自我应对各类例表情况（而这些例表处置并不是法式员编好的） ，而在极端情况下能够再追求人类的支持和收受 。
主题技术机造索求：
（1）基于实时自动化工具构建 ，将用户指令转化为端到端工作流 ，通过大模型的function calling能力将工作流中的子工作转换为工具挪用 ，对无工具挪用的情况 ，实时构建代码工具：
? 语义→代码映射：将工作流工作指令转换为具体的职能描述 ，再通过代码大模型天生可执行代码（如Python、SQL）；
? 动态调试：在沙箱环境中预执行代码片段 ，捕获异常后触发自建复算法（如变量类型揣度、API参数补全） 。
（2）关环反馈机造 。通过强化进建嘉奖函数优化执行蹊径：
? 正向反� 。汗ぷ魇迪止Ψ颉⒆试纯魉鸬戎副甏锉晔� ，强化当前战术；
? 负向反� 。菏О芄ぷ鞔シ⒏蚍治瞿？� ，自动天生改进规划并更新知识库 。
（3）多智能体的自主执行 ，涉及智能体之间的调度关系 。至少有两大类趋向：
? 主从调度关系 。存在一个智能体是主master ，由其来调度其他的从智能体slaver 。
? 令牌调度关系 。没有一个固定的主智能体 ，而是多个智能体在某种规定下转移主智能体身份 。整体执行的还是主从调度 。
? 对称调度关系 。不存在一个绝对的主智能体 ，而是通过多个智能体各自的自主执行和相互通讯来形成一衷旖衡调度 。
3、N – Natural Interaction Framework（天然交互框架）
天然交互框架 ，里面涉及人与智能体集群的交互 ，以及智能体之间的交互 。这里重要论述的是人与智能体集群交互的“天然” ，蕴含“天然说话”和其他可称之为天然的交互方式（类似人与人的那些交互方式 ，好比手势） 。
主题技术机造索求：
（1）天然说话深度理解
? 突破字面语义解析 ，鉴别隐喻、滑稽等文化语境（如鉴别学生作业中的嘲讽表白）
? 结合感情推算模型分析用户感情状态（如在线教育中检测进建者挫败感）
（2）多模态交互设计
? 支持语音、手势、触控等混合输入方式
? 动态调整交互风格适配用户特点（如为儿童提供拟人化语音反� 。�
（3）认知共情模拟
? 通过影象强化网络构建用户画像（纪录偏好、知始点等）
? 天生带感情温度的输出（如生理征询AI的慰藉性回应）
4、U – Unified Tool & Application Interface（统一工具与利用接口）
人类区别于动物的两件沉要的事件 ，一个是使用说话 ，另一个是使用工具 。一个智能体集群 ，其工具集该当是一体化的 。并且工具的向上接口该当是尺度的、统一的 。
主题技术机造索求：
（1）和谈抽象层 ，参考 UniApp跨平台规划 ，通过以下技术屏蔽底层差距：
? 尺度化描述说话：使用OpenAPI规范封装异构工具（如REST、gRPC、GraphQL） ，开发者仅需申明输入输出体式；
? 自适应路由：凭据运行时环境（如iOS/Android/Web）自动选择最优通讯和谈 。
（2）热插拔扩大机造
? �？榛釉兀盒略龉ぞ撸ㄈ鏗uggingFace模型）只需实现尺度接口类 ，无需批改主题代码；
? 依赖隔离：通过容器化部署预防版本矛盾 ，确保分歧版本大模型可并行挪用 。
（3）在一些复杂职能还临时难于封装为工具的时辰 ，能够将大型App利用通过API接口规范来联接挪用 。
（4）工具链基座与知识编织层难以割裂 ，而知识层与工具挪用层的统一化尺度化 ，能够形成一个“Unified Cognitive Fabric统一认知架构” 。
5、S – Secure-Compliance Mesh（安全合规网格）
在一个复杂的智能体集群中 ，必然有一些智能体是专司安全和合规职能的；一个大领域的智能体集群中 ，必然有一些安全基座提供贯通全局的安全服务和安全规造 。
主题技术机造索求：
（1）零信赖战术网格
? 四维权限模型：结合主体（用户/利用）、客体（数据/API）、环境（功夫/地位）与操作（读/写/执行）动态鉴权；
? 微隔离：每个API挪用均经过最近的战术执行点（PEP）验证 ，预防横向渗入 。
（2）合规自动化
? 规定引擎：将GDPR、HIPAA等律例转化为可执行战术（如“患者数据存储≤90天”）；
? 证据链天生：纪录和审计操作日志 ，支持一键导出审计汇报 。
M·A·N·U·S的一些逻辑关系
在智能合作层：Multi-Agent Synergy多智能体协同 ，驱动Autonomous Execution自主执行的工作分化 。
在认知融合层：Unified Tool & Application Interface统一工具和利用接口、Natural Interaction天然交互框架 ，别离提供到世界、到人的联接 。
在治理防护层：Secure-Compliance Mesh安全合规网格 ，为所有层提供安全与合规约束 。
M·A·N·U·S术语系统齐全覆盖了从智能协同（M/A/N）到认知融合（U）再到安全治理（S）的技术关环 ，每个术语既独立承载主题价值 ，又通过架构设计形成有机整体 。
M·A·N·U·S 就像AI智能体的新DNA密码 。
“MANUS is the New DNA of AI Agents” 。
四、充分认可M·A·N·U·S代表的智能体集群方向
AI赋能网络安全 ，从一路头就不是单一的说话类大模型利用 。从一路头就直接深刻到智能体利用的档次 。沙巴在颁布了九天·泰合安全大模型之后 ，很快就颁布了安星安全智能体 。在2024年一向在致力于推动安全产品、安全能力逐步向智能体转化 。
在今年春节前后的DeepSeek热潮起头后 ，更是将DeepSeek深度融合到安全智能体的刷新和开发中 。下面就是春节后一个月的功夫 ，沙巴在安全智能体领域的产品颁布和技术钻研：
? 沙巴全面对接DeepSeek大模型 ，全场景智能化安全再升级
? 新赛路 | 沙巴颁布MAF大模型利用防火墙产品 ，提升DeepSeek类企业用户安全
? DeepSeek赋能TAR ，打造全流量威胁检测技术新范式！
? 叠加DeepSeek多模型基座 ，沙巴安全运营实现跃升
? 新赛路 | DeepSeek引爆企业AI利用 ，沙巴颁布MASB界说大模型接见安全
? 新赛路 | DeepSeek引爆安全刚需 ，沙巴颁布MAVAS大模型安全评估系统
? 沙巴颁布大模型利用安全“新三件套” ，奠基“后DeepSeek智能时期”的安全基石
? AI原生安全接见基座：产业演进视角下的MASB跃迁
? SaaS化星辰云MAVAS大模型安全评估服务 ，守护“后DeepSeek智能时期”的稳重防线
? 后DeepSeek智能时期 ，沙巴“大模型利用安全超融合服务”让安全与业务同频共舞
? DeepSeek让安全火力沉部署！【大模型安全运营前哨基地】向前推动效力天堑
? 沙巴颁布《AI-R-IAM AI就绪的大模型身份与接见治理白皮书》（附下载链接）
? 沙巴颁布《AI-R-SDLayer AI就绪的安全数据通层白皮书》（附下载链接）
? 沙巴颁布《AI-R-SOCC AI就绪的安全合成治理中心白皮书》（附下载链接）
? 新赛路 | 沙巴颁布“大模型接见脱敏罩” ，客户安心面对DeepSeek引爆的接见安全刚需
? AI赋能再升级！沙巴态势感知平台深度适配DeepSeek ，打造自主可控安全基座
? ……
而在三月初之后 ，沙巴更是将安全产品和安全能力的进化方向与智能体集群化、M·A·N·U·S化结合在了一路 ，开启了新的创新格局 。
? 《沙巴安星智能体集群化MANUS化 ，开启安全智能体从组织到器官、系统的进化》
? 《安全瞭望塔 ，MANUS化的威胁谍报智能体集群》
? 《大模型利用安全资源池 ， MANUS化的全效防护智能体集群》
? 《天生式蜜罐 ，MANUS化糊弄式防御集群中的新智能体》
? 《安全运营前哨基地 ，一个MANUS化的运营智能体集群》
? 《一个MANUS化智能体集群的安整个系架构规划：构建“感知-分析-验证-预警”自主关环》
? ……
急剧链接
Copyright ? 沙巴 版权所有 京ICP备05032414号 
京公网安备11010802024551号
