隨著時序邁入2026年，企業資安的戰場已從單純的防範外部入侵，轉向治理內部日益龐雜的AI代理（AI Agent）與自動化工作流程。在生成式AI（GenAI）應用從實驗室走向生產環境的過程中，如何確保AI模型與外部資料庫、工具之間的連線安全，以及如何在執行階段（Runtime）有效識別惡意攻擊，成為IT管理者與資安長最頭痛的難題。
Check Point資安傳教士楊敦凱指出，面對這波代理型AI（Agentic AI）浪潮，單靠傳統的網路圍籬已不足以應對，企業必須主動出擊，從基礎設施層導入安全的模型上下文協定（MCP）伺服器，並在應用層結合專為AI設計的防護引擎Lakera，方能構建出具備免疫力的現代化資安架構。
在探討AI安全時，楊敦凱首先點出了目前企業最常忽視的盲點：AI代理如何安全地存取資料？為了讓大型語言模型（LLM）能夠執行查詢日誌、檢索內部文件或執行特定指令，業界開始廣泛採用MCP作為標準介面。然而，許多開發團隊為了求快，往往直接使用開源社群提供的MCP Server範本，這些未經加固的程式碼可能潛藏漏洞，成為駭客入侵企業內網的跳板。有鑑於此，Check Point在去年便率先推出了官方驗證的MCP Server，這不僅是一個標準化的連接工具，更預先整合了資安防護機制。
整合MCP標準介面實現可視化治理
Check Point MCP Server採用了由Anthropic推動的開源MCP標準，將Check Point Quantum管理平台、Harmony SASE及威脅防禦系統的數據，轉換為AI模型可直接讀取的結構化格式。這意味著，企業內部的AI代理（如Claude Desktop、企業自建的LLM應用）能夠在無須人工介入的情況下，直接透過自然語言獲取即時的資安態勢，例如查詢特定主機的連線記錄或檢視防火牆規則的合規性。
楊敦凱進一步說明，Check Point提供的MCP Server就像是為企業預先打造好的「安全轉接頭」。企業內部的開發人員或維運團隊，若想利用Copilot或自建的AI助理來自動化查詢防火牆日誌、調閱威脅情資，甚至執行簡單的資安回應動作，無需再從頭撰寫底層連接程式碼，只需直接部署這套已通過安全檢測的MCP Server，即可在確保連線安全的前提下，快速實現AI賦能。這套伺服器不僅開源供客戶使用，更已整合至Harmony SASE等雲端服務中，讓企業在享受自動化便利的同時，也能落實存取控制（Access Control），避免AI代理獲得過高的權限。
除了應用層的伺服器部署，網路層的可視性亦同步升級。楊敦凱透露，為了配合MCP的普及，Check Point在新版防火牆系統中，已將對MCP協定的識別能力納入核心功能。這意味著，企業的次世代防火牆（NGFW）將不再只是看到一堆雜亂的加密流量，而是能夠深度解析（DPI）封包內容，具體辨識出哪些流量屬於AI代理的通訊、正在呼叫哪些API功能。藉此解決企業長期以來對AI流量「看不見、管不著」的治理焦慮，讓資安團隊能具體盤點並納管內部的AI行為。
全球紅隊演練資料 精準識破語意陷阱
解決了連線架構的安全性後，真正的挑戰在於AI執行階段（Runtime）的內容防護。Check Point雲端資安架構師張硯筑指出，傳統的網頁應用程式防火牆（WAF）面對針對LLM的新型態攻擊時，幾乎顯得束手無策。攻擊者利用提示詞注入或越獄手法，透過語意邏輯的誘導而非傳統的惡意程式碼，便能騙過AI模型，使其洩漏機敏資料或執行違規指令。為了填補這塊防禦拼圖，Check Point收購了專注於AI安全的新創公司Lakera，並將其技術核心視為未來AI資安版圖的關鍵引擎。
Lakera的獨特之處，在於其背後擁有全球最大的AI攻擊資料庫。張硯筑說明，這套引擎的訓練資料源自於一個名為「Gandalf」的AI紅隊演練遊戲。該遊戲累積了全球數百萬名玩家、總計超過30年遊戲時數的攻擊樣本，記錄了人類如何千方百計地繞過AI的防禦機制。這使得Lakera具備了極高準確度的語意分析能力，能夠識別出隱藏在複雜對話中的惡意意圖，例如間接提示詞注入，也就是攻擊者在文件中隱藏惡意指令，誘導負責讀取文件的AI代理做出錯誤行為。
Check Point資安傳教士楊敦凱指出，面對AI代理融入工作流程，企業應導入安全MCP伺服器與runtime防護引擎，化解流量不可視及提示詞攻擊等治理難題。
張硯筑強調，Lakera支援包括繁體中文在內的超過85種語言，且具備極低的延遲，通常在50毫秒內即可完成檢測，這對於重視使用者體驗的AI應用至關重要。在部署架構上，Lakera展現了高度的彈性，它既可以作為API嵌入在企業自建的N8n或Dify工作流程中，也能與Check Point的WAF深度整合。當使用者輸入指令時，Lakera會在訊息進入LLM之前進行攔截掃描；同樣地，當LLM產出回應時，系統也會再次檢查是否夾帶了信用卡號、原始碼等敏感資訊。
這種「以AI對抗AI」的防禦機制，不僅適用於對外的客服機器人，對於企業內部日益盛行的「影子AI」治理同樣有效。透過在防火牆或雲端閘道器中啟用Lakera引擎，企業能即時阻斷員工將公司機密貼上至未經授權的公開AI服務，或防止內部開發的AI助理被惡意操控。楊敦凱表示，從MCP Server的基礎架構標準化，到Lakera在執行階段的精準防護，Check Point試圖為企業打造的是一套從開發到維運（DevSecOps）皆能無縫嵌入的AI安全生態系，讓企業在擁抱AI轉型的速度與安全之間，不再顧此失彼。