智能體行為安全監控

Agent 為排查連接問題讀取憑據文件，內容隨對話上下文進入後續模型調用，敏感信息可能在用戶無感知時離開原有邊界。

識別敏感路徑訪問；僅在執行成功或返回內容包含憑據特徵時觸發，未遂訪問不製造告警噪音。

敏感數據類型、命中文件、調用結果和脱敏後的證據片段。

單獨的敏感讀取和網絡請求都可能合理，但同一會話中先讀取憑據、再調用 Webhook 或上傳附件，已經構成典型的數據外泄路徑。

在 trace_id 或 gen_ai_conversation_id 維度關聯敏感讀取與外部請求、消息發送和附件上傳，覆蓋跨 Trace 的多輪行為。

讀取側與外發側兩個 Span、目標地址、發生順序和關聯風險 ID。

Agent 同時擁有多套環境憑據時，可能在生產命名空間執行資源刪除、部署變更、配置修改或數據庫寫入。

綜合環境標籤、工具名稱、調用參數和命令內容，僅在生產變更實際執行成功且命中高危模式時觸發。

目標環境、資源對象、工具參數、執行結果以及關聯的審批或發佈上下文。

Agent 在修改、測試、失敗、重試之間反覆循環，缺少調用上限、退避策略和人工介入條件，持續消耗時間與 Token。

按 Trace 與工具名稱聚合，檢測窗口內同一工具調用不少於 10 次且失敗率不低於 70% 時觸發。

調用次數、失敗率、參數樣例、錯誤類型和持續時間。

工具結果被全量回灌、上下文不斷膨脹或調用鏈反覆重試時，單個任務可能產生遠高於正常範圍的 Token 消耗。

以固定閾值和多信號評分結合單次調用、會話累計、上下文長度、輸出長度與工具調用密度，降低對正常重任務的誤報。

模型、供應商、輸入輸出 Token、會話累計、平均消耗和同鏈路工具調用數。