文章总结： 本文探讨AgenticRemediation在安全运营中的应用，指出传统CTEM模式中修复环节依赖人工导致发现与修复存在时间差。文章提出引入AIAgent在授权范围内直接执行修复，并强调约束行动空间、建立分级授权机制、配套回滚与标准化审批路径，建议先模拟失败场景验证控制链条。核心观点是安全运营应从发现风险人工协调修复走向策略授权Agent执行自动验证必要时回滚的闭环。
综合评分： 85
文章分类： AI安全,安全运营,解决方案

如何启用代理修复

原创

铸盾安全
铸盾安全

河南等级保护测评

2026年9月25日 14:45
河南

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

在传统的持续威胁暴露管理（CTEM）模式中，组织通常经历范围界定、资产与暴露面发现、风险优先级排序、验证以及动员修复几个阶段。前面的发现、扫描、风险分析和验证已经越来越自动化，但到了最后的“动员”阶段，往往仍然是人工处理：安全团队发现漏洞后创建工单，工单再转给系统、网络、应用或者运维团队，等待变更窗口、确认影响、安排实施，最后才真正完成修复。结果就是，安全团队可以非常快速地发现大量风险，却可能长期存在一个“发现—修复”的时间差。

Agentic Remediation，就是把Agent引入这个最后的修复环节，让AI Agent不仅能够发现和判断问题，还能够在明确授权的范围内直接执行修复动作。例如，对于已经确认的漏洞，可以让Agent自动为指定资产安装经过批准的补丁；对于明确的配置问题，可以自动调整特定安全参数；对于已经确定存在风险的网络区域，可以按照预先制定的规则进行隔离。这样，安全运营就从“发现问题，然后安排人去修”进一步转向“发现问题、验证问题，然后由Agent直接完成既定修复”。

Agentic Remediation并不是让AI自主判断所有安全问题并随意修改生产环境。它更适合处理“已经知道是什么问题、已经知道应该怎么修”的场景，而不是让AI面对未知风险自行做重大决策。比如一个已经验证的漏洞，需要给明确的服务器安装一个已经批准的补丁，这属于已经完成决策后的执行；而如果面对一个未知的异常行为，让AI自己判断是否应该关闭生产系统，则属于完全不同的风险等级。前者可以逐步实现自动化，后者仍然需要更严格的人工决策。

“Human in the Loop”和“Human on the Loop”两种模式。前者是人在环内：Agent负责收集信息、分析上下文、确定修复方案、准备变更，然后停下来等待人批准，批准之后再执行。后者则是人在环上：人负责制定政策和边界，Agent在授权范围内自主执行具体操作，并通过仪表盘、告警和报告接受持续监督。对于低风险、规则明确、修复方式经过验证的问题，可以逐渐向“人在环上”转变；而对于高风险资产和可能影响核心业务的操作，则仍然适合保留人工审批。

这实际上意味着，未来安全运营中的自动化程度可以不再简单按照“自动化或不自动化”进行划分，而应该按照风险、确定性和影响范围建立分级授权机制。低风险漏洞、明确补丁、标准配置错误，可以让Agent直接处理；中等风险问题，可以让Agent完成准备工作后等待审批；涉及核心业务、生产控制、关键数据或者可能造成业务中断的操作，则需要人工决策。安全团队真正需要建立的，是一套“什么事情可以让Agent自己做”的授权边界。

而Agent自主修复最大的安全前提，其实是约束行动空间。文章提出，Agent应该只能在预先定义的范围内行动，例如只能安装批准列表中的补丁，只能修改指定配置参数，只能隔离明确授权的网络区域；超出范围的操作则自动停止并提交人工处理。这个思路非常重要，因为Agent的安全性并不应该建立在“相信AI不会犯错”上，而应该建立在即使AI判断错误，它也没有能力造成不可接受的后果之上。

因此，Agentic Remediation还需要两个重要的配套机制：回滚和标准化审批路径。每一个自动修复动作都应该提前设计回滚方案，一旦补丁、配置修改或者隔离动作产生意外影响，可以迅速恢复。同时，组织必须先把资产责任、变更权限和审批路径理清楚，再交给Agent自动执行。否则，原本就存在的“这个服务器到底归谁负责”“谁可以批准生产环境变更”等治理问题，只会被Agent以更快的速度放大。

文章还提出了一个很有实践价值的做法，就是在真正让Agent进入生产环境之前，先模拟失败场景。例如设计一次演练：如果Agent错误地给了不应该修改的服务器打补丁，或者在错误的时间执行了变更，谁能够发现？谁有权停止Agent？多久能够发现问题？多久能够回滚？这些问题如果在生产环境中第一次出现，代价可能非常高；因此，应该通过桌面推演和测试环境提前验证整个控制链条。

安全自动化过去主要解决“看见问题”和“理解问题”，Agentic AI开始尝试解决“把问题真正处理掉”。漏洞扫描、资产发现、风险分析、攻击模拟和验证已经能够大量自动化，但如果最后仍然需要人工逐条开工单、协调人员、等待变更窗口，那么整个安全运营闭环实际上仍然没有真正形成。

一方面，AI Agent已经可能在完成普通任务时自主寻找绕过安全控制的方法，说明自主行动能力本身就是一种新的风险；另一方面，安全团队又希望利用同样的自主行动能力，让Agent自动修复漏洞、隔离风险和关闭暴露面。问题因此不再是“要不要使用Agent”，而是如何让Agent只在被授权的范围内行动，并且能够被监督、审计、停止和回滚。

所以，Agentic Remediation真正值得关注的不是“AI替安全人员打补丁”这么简单，而是网络安全运营模式正在从发现风险→人工协调→人工修复逐步走向发现风险→验证风险→策略授权→Agent执行→自动验证→必要时回滚。当这个闭环真正建立起来，安全运营才可能从过去不断积累漏洞工单的“暴露管理”，进一步走向持续减少暴露窗口的“自动化风险治理”。

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：河南等级保护测评 铸盾安全
铸盾安全《如何启用代理修复》