Help Net Security 在 2026-07-16 报道了 Lineation.ai，标题是 Lineation.ai focuses on runtime security for autonomous AI agents。从公开信息看，Lineation.ai 的定位不是传统模型网关，也不是单点提示注入过滤器，而是面向 autonomous AI agents 的运行时安全控制层。
它官网上的一句话很能概括产品方向：Draw the line between automation and chaos.
先说结论
Lineation.ai 代表的是 Agent 安全产品的一个明显趋势：
只在模型入口做过滤已经不够了，真正的控制点要下沉到 Agent 执行动作的运行时。
因为 Agent 不只是生成文本，它会读文档、调 API、改代码、动数据、甚至触发财务或业务流程。安全控制如果只停在“调用模型前后看一眼”，就很难解释它到底为什么做了某个动作，更难在出事前拦住。
Lineation.ai 想解决什么问题
从 Help Net Security 的报道和 Lineation.ai 官网描述看，它关注的风险主要包括：
- prompt injection；
- over-permissioned tools；
- silent data egress；
- shadow agents；
- Agent 行为缺少统一审计上下文。
这些问题的共同点是：它们不是单纯的模型输出质量问题，而是Agent 在真实环境中执行动作时的治理问题。
它的核心设计：一个控制平面，多处执行
Lineation.ai 强调的是 one control plane，同时在工作实际发生的地方做分布式 enforcement。
可以理解为三层：
| 层次 | 作用 | 安全价值 |
|---|---|---|
| 统一控制平面 | 定义策略、查看 Agent 行为、统一治理 | 避免不同模型、不同云、不同工具各管一段 |
| 运行时执行点 | 在 Agent 调工具、读数据、执行动作时介入 | 不只看输入输出，而是在动作发生前后控制 |
| Lineage / 审计链 | 记录 prompt → tool → data → actor 的因果链 | 事后能还原事件，事中能快速判断风险 |
这也是它和普通网关型产品最大的区别：网关看到的是请求流量，Lineation.ai 试图看到的是Agent 从意图到动作的完整故事。
为什么是 Zero Trust 思路
标题里的 zero trust control plane 不是简单借用热词。放到 Agent 场景里，Zero Trust 至少意味着三件事：
- 不默认信任 Agent 的意图解释：Agent 说自己在完成任务，不代表它拿到的数据是真的。
- 不默认信任工具调用结果：工具返回、网页内容、文件内容都可能被污染。
- 不默认信任权限边界自然有效：Agent 一旦拿到过宽权限，攻击面会被自动化放大。
所以 Agent 安全里的 Zero Trust，本质上是把“永不默认信任，持续验证”从用户访问扩展到 Agent 行为。
这类产品为什么会出现
过去企业做 AI 安全，常见控制点是：
- 模型网关；
- DLP；
- 提示词过滤；
- 日志审计；
- SaaS 权限管理。
但 Agent 时代的问题是：风险不只发生在“输入模型”和“模型输出”两个点，而是发生在中间那条链上：模型读了什么、信了什么、调用了哪个工具、拿到了什么数据、最后做了什么动作。
如果这条链没有被记录和约束，安全团队只能在事故之后拼碎片。
我怎么看它的价值
Lineation.ai 这类产品真正有价值的地方，不是宣称“防住所有提示注入”，而是把 Agent 安全问题拆成了更工程化的几个控制点：
- 统一看见所有 Agent；
- 给不同 Agent 和工作流绑定策略；
- 在运行时拦截高风险动作；
- 保存可审计的因果链；
- 帮 SecOps 快速复盘“谁让 Agent 做了什么”。
这比单纯做 prompt filter 更接近企业真实需求。
仍然需要注意的边界
不过，Lineation.ai 官网资料更多是产品定位和能力描述，公开材料里还看不到足够细的技术实现细节，例如：
- 它如何接入不同 Agent 框架；
- runtime enforcement 的边界在哪里；
- 是否能覆盖本地 CLI Agent、浏览器 Agent、MCP 工具链；
- 策略语言的表达能力如何；
- 性能和误报率如何验证。
所以这篇更适合作为产品方向观察，而不是完整技术评测。
结论
Lineation.ai 反映的是一个更大的趋势：Agent 安全正在从“模型安全”走向“运行时治理”。
未来真正能落地的 Agent 安全方案，应该不只是告诉你“这个 prompt 危险”，而是能回答：
这个 Agent 为什么要做这个动作？它信任了哪些数据？调用了哪个工具？用了什么权限？如果出事，能不能立刻还原和阻断？
这正是 Agent 安全从概念走向工程化时必须补上的一层。
参考资料
- Help Net Security：Lineation.ai focuses on runtime security for autonomous AI agents，2026-07-16
- Lineation.ai 官网：Agentic AI Security / Trust as a Service 产品介绍
文档信息
- 本文作者：zhupite
- 本文链接：https://zhupite.com/sec/lineation-ai-agent-runtime-security.html
- 版权声明：自由转载-非商用-非衍生-保持署名（创意共享3.0许可证）