“在AI Agent时代，企业必须推进网络与安全一体化，才能更有效地应对威胁。”

13日，在“AI时代网络安全”媒体圆桌会上，Cisco APJC地区SASE业务负责人Mukesh Chand Tapriyal分享了他对AI时代安全趋势的看法。他表示，Cisco同时具备网络与安全两方面的能力布局，这将成为公司在AI安全领域的重要战略优势。

Mukesh Chand Tapriyal指出，网络与安全必须协同推进，仅强化其中一端，难以真正实现云安全目标。若能在统一体系下实施策略，不仅有助于降低架构碎片化，也能提升运维和故障排查效率。

他表示，在实际运维中，很多问题很难第一时间判断究竟出在网络层还是安全层，而统一的架构与策略有助于更快定位原因。尤其是在AI Agent运行高度依赖网络的背景下，网络与安全已经很难割裂看待。

在Cisco的整体方案中，公司正通过整合SD-WAN与云安全服务Secure Access，推动网络与安全一体化。Cisco介绍称，SD-WAN能够选择最优路径并识别应用，从而提升服务质量。

Mukesh Chand Tapriyal表示，10年前，企业网络流量相对可预测，应用也主要集中在集中式数据中心，单靠专线网络（MPLS）基本可以满足需求。但如今，用户更加分散，应用不断迁移至SaaS，分支机构直接访问互联网已成为常态。对企业管理者而言，这意味着必须在分支侧对云访问流量进行检测和管控，管理负担明显上升。

在这一背景下，AI Agent的兴起进一步放大了企业网络与安全管理的压力。

他表示，AI Agent正在重塑企业流量形态。无论应用部署在云端还是数据中心，Agent都会主动发起访问；即便执行相同任务，Agent产生的流量通常也会高于人工访问。与此同时，Agent、推理流量以及自动化工作流都对连接质量高度敏感。随着企业导入AI的规模不断扩大，连接能力将成为组织的一项关键基础能力。

除流量压力外，AI也带来了新的风险，包括未经批准使用的“Shadow AI”、不安全工具的使用，以及Prompt Injection等问题。

Mukesh Chand Tapriyal介绍，Cisco AI Access目前可识别4000多个AI应用，帮助企业发现Shadow AI并防止数据泄露。同时，企业还可以据此定义用户、Agent与AI模型之间哪些交互被允许，从而将AI使用控制在合规范围内。

他还表示，开源模型也是Cisco重点关注的安全治理对象。

据介绍，开发者往往会从Hugging Face等平台获取预训练模型，以提升开发效率。Cisco会在模型投入使用前进行检查，在执行前识别潜在恶意代码，同时核查许可证、版权等知识产权合规问题；对于来自未获允许地区的请求，系统也会进行拦截。

在交流中，Mukesh Chand Tapriyal还对Agent、人类与机器之间的差异进行了比较。

他表示，人类能够覆盖广泛的工作场景，但在速度和规模上存在限制，同时具备常识与判断力；机器人等机器系统通常适用范围较窄，也更容易通过规则进行控制。相比之下，Agent的覆盖范围接近人类，扩展规模却可能呈指数级增长，但其本身并不具备足够判断力，因此可能给企业带来更大的风险。

谈及AI Agent带来的威胁时，Mukesh Chand Tapriyal强调了两个关键词：识别与审批。

他表示，企业首先需要识别出网络中的所有Agent，明确其归属和用途，并将相关行为纳入审批范围，核查其可以访问哪些数据、从哪里发起请求、又将数据发送到何处。他同时指出，并非所有风险都能被完全控制，真正关键的是组织对变化和风险的响应速度。

Cisco也正以网络与安全一体化战略加快拓展韩国市场。作为本地化能力建设的一部分，公司自7月起已在韩国启用Secure Access本地PoP节点，以缓解客户对数据出境的顾虑，并提升本地安全服务可用性。

Mukesh Chand Tapriyal强调，该节点在首尔多个区域实现双活冗余，并支持通过最新协议降低时延；所有数据均在韩国境内处理，以满足当地法律法规及监管要求。