什麼是 HiddenLayer？1 億美元融資與 AI 代理運行時安全的崛起

2026/09/12 08:08:16

專為安全設計的解決方案隨著 AI 代理進入生產環境而浮現

企業正迅速部署能夠編寫代碼、調用工具、訪問數據並在最少人工監督下執行多步工作流程的自主AI代理。這些系統將攻擊面擴展至遠超傳統模型的範圍，並催生了對能夠實時監控行為的專用運行時防禦系統的迫切需求。成立於2022年、總部位於奧斯汀的AI安全公司HiddenLayer，已通過保障代理式、生成式及預測式AI應用的完整生命週期，將自身置於這一轉變的核心。2026年9月2日，該公司宣佈完成由Delta-v Capital領投的1億美元B輪融資，參投方包括Ten Eleven Ventures、摩根士丹利、微軟的M12以及Booz Allen Ventures，使總融資額達約1.56億美元。

資金到位之際，年經常性收入較前一年增長超過10倍，達到數千萬美元，主要受惠於金融服務、科技、製藥、航空、政府以及美國國防和情報領域的50多家新平台客戶。其中一位客戶是領先的前沿模型供應商，服務超過7億名週活用戶。本文探討HiddenLayer平台的演進、推動代理運行時安全的技術與市場驅動因素、經過驗證的增長指標，以及組織在生產環境中部署AI代理時的實際影響。核心論點是：為AI代理量身打造的運行時可見性、檢測與執行功能，已成為自主系統從實驗階段轉入企業核心運營時不可或缺的基礎設施。

HiddenLayer 完成 1 億美元 B 輪融資，以擴展代理運行時功能

HiddenLayer 於 2026 年 9 月 2 日宣佈完成 1 億美元的 B 輪融資，由 Delta-v Capital 領投，Ten Eleven Ventures、摩根士丹利、微軟的 M12 創投基金及 Booz Allen Ventures 參與戰略投資。此輪融資繼 2023 年 9 月由 M12 和 Moore Strategic Ventures 聯合領投的 5000 萬美元 A 輪融資，以及更早的種子輪融資之後，使總融資額達約 1.56 億美元。公司領導層表示，這筆資金將用於深化企業平台，特別是 Agentic Runtime Security 及最近推出的專為 AI 編碼代理設計的 Agent Harness Security 解決方案。在過去十二個月內，年經常性收入增長超過十倍，其中超過 90% 的增長來自新客戶。目前最具成長潛力的垂直領域包括金融服務業和正在開發 AI 產品的大型科技公司，同時也獲得了美國國防部及情報界的合作合約。

這一提升反映了市場普遍認知，即 AI 系統需要專屬的安全層，而非傳統工具的延伸。HiddenLayer 的研究團隊擁有 39 項已授予專利和 65 項待審專利，涵蓋對抗性檢測、模型保護和威脅分析。該團隊曾參與 CISA/JCDC、MITRE、NIST、OWASP 和 OpenSSF 的相關工作。領導層還通過任命新的首席收入官來加強商業能力，並表明了進一步招聘、渠道擴展以及進入歐洲和 EMEA 市場的計劃。這些舉措使公司能夠應對日益增長的企業需求，因為代理系統正逐漸成為運營基礎設施，而非試點項目。

Agentic 運行時安全提供對自主行為的持續可見性

代理運行時安全專注於監控 AI 代理在生產環境中執行任務時的行為。傳統的模型防禦通常集中於訓練數據完整性、輸入過濾或部署前測試。而運行時方法則觀察提示、工具調用、數據訪問和多步決策序列中的即時互動。HiddenLayer 將此功能描述為類似端點檢測與響應系統，但專為 AI 推理和代理工作流程進行了調整。該平台重構代理會話，以展示決策的演變過程，使安全團隊能夠在問題擴散前檢測到提示注入、惡意工具序列、數據外洩和未授權操作。

根據 HiddenLayer 的 2026 年 AI 威脅景觀報告，每八起 AI 泄密事件中就有一起與代理系統有關，但近三分之一的組織無法確定是否曾遭遇此類事件。代理系統以機器速度運行，能夠比人類響應週期快得多地存取系統、移動數據或調用工具。因此，運行時安全強調實時可見性、調查、威脅狩獵和自適應強制執行。策略可隱藏敏感資訊、阻止不安全操作，或引導代理避開受損輸入，同時保持運營連續性。這種持續驗證模型正視了這樣一個現實：僅靠設計階段的防護措施，無法在代理與不可信內容或外部工具互動時保證其可信度。

Agent Harness 安全性將保護延伸至開發工作流程中的 AI 編碼代理

於 2026 年 8 月 3 日，HiddenLayer 推出了 Agent Harness Security，作為其 Runtime Security 模組的擴展。該解決方案針對讀取原始檔、執行 shell 命令、安裝相依項、修改儲存庫並產生拉取請求的 AI 編碼代理。這些代理已超越單純的建議工具；Gartner 預測，到 2028 年，90% 的企業軟體工程師將使用 AI 程式碼助手，高於 2024 年初不到 14% 的比例。架構層是連接模型與上下文、記憶體、工具和技能的協調環境，創造了一個新的運行時攻擊面，其中嵌入在 README 或工具輸出中的間接提示注入可能影響行為。

Agent Harness Security 透過與每個編碼代理的原生鉤子介面整合，提供即時的可見性與控制。安全團隊可洞察提示、工具呼叫、檔案編輯、儲存庫互動和命令執行。該系統能偵測密鑰流入模型上下文、不安全的命令模式、意外的相依性安裝以及隱藏的有效載荷。強制執行選項包括在敏感資料到達模型前進行遮蔽、引導代理避開被污染的回應，以及阻止高風險操作。由於不同代理平台提供的控制層級不同，此解決方案會報告每個環境實際可用的強制執行強度，讓團隊能清楚了解哪些保護措施正在生效，同時不影響開發人員的生產力。

企業客戶涵蓋金融服務、國防及前沿模型供應商

在 B 輪融資前的一年中，客戶採用率顯著加速。超過 50 家新平台客戶加入，涵蓋證券經紀、銀行、保險、會計、政府、科技、IT 服務、製藥、航空公司以及美國國防和情報領域。國際新增客戶包括一家主要的製藥公司、高端汽車品牌以及食品和飲料供應商。其中一項顯著的部署支援一家領先的前沿模型提供商，其系統每周服務超過 7 億用戶。目前，金融服務和大型科技組織在構建 AI 產品方面，代表了最大的商業垂直領域。

政府的驗證進一步強調了該平台在高可信度環境中的適用性。HiddenLayer 被選為導彈防禦局 SHIELD IDIQ 合約的獲獎者，該合約支持空氣隔離和機密環境。該公司亦參與能源部專注於安全 AI 應用的計劃。這些合約表明，同一項核心技術——無需訪問原始訓練數據或模型權重的非侵入式分析——可在商業生產環境和敏感的國家安全情境中運行。廣泛的採用表明，將 AI 視為核心運營基礎設施的組織正在分配專門的安全預算，而非僅依賴現有工具。

供應鏈安全掃描開源與開源權重模型的完整性風險

HiddenLayer 的平台包含 AI 供應鏈安全功能，可在部署前檢查模型及其依賴項。該公司報告稱，已掃描約 50 個不同的 AI 檔案框架，以驗證開源和開權重模型是否與其聲稱的身份和完整性相符。研究已發現一些案例，其中模型聲稱為某種類型，卻包含隱藏或替換的元件。此分析會產生一份 AI 物料清單，評估模型的譜系，並在無需存取專有訓練資料的情況下標示惡意軟體、漏洞或完整性問題。

隨著企業越來越多地將第三方和開放權重模型納入生產流程，供應鏈驗證成為一項基礎性控制措施。攻擊者可引入看似合法但包含後門或異常行為的損壞模型。運行時保護措施通過在模型上線後持續監控其行為，來補充部署前的檢查。這種結合方式同時應對了模型工件中的靜態風險，以及模型與實時輸入、工具和數據源互動時才會出現的動態風險。採用從多個模型來源獲取資源的代理工作流程的組織，可從整個生命週期中的持續完整性驗證中受益。

研究貢獻塑造行業標準與威脅認知

HiddenLayer 設有一個專注於對抗式人工智慧研究的組織，已開發出首個全面的對抗式提示工程分類法，並在基礎模型、工具及支援基礎設施中發現了數十個漏洞。該研究組合包括 39 項已授予專利和 65 項待審專利，涵蓋對抗檢測、模型保護和威脅分析等領域。團隊成員與 CISA/JCDC、MITRE、NIST、OWASP 和 OpenSSF 展開合作，協助完善紅隊測試方法論，並為人工智慧治理與安全討論提供資訊。

此研究方向透過將產品功能建立在持續的威脅發現之上，而非靜態規則集，從而使平台脫穎而出。研究發現直接用於偵測提示注入、代理操縱和惡意工具使用。同樣的研究也支撐了攻擊模擬模組，讓組織能夠持續測試防禦措施。隨著代理系統引入新的多步驟攻擊鏈，基於新興研究更新偵測能力，成為負責生產環境人工智能系統的安全團隊的實際優勢。

市場數據顯示，對 AI 系統保護的支出正在快速擴張

Gartner 預計，組織在 2026 年將在專為保護 AI 工具而設計的產品上支出 28.3 億美元，較 2025 年增加 83%。該公司預測，市場規模將在 2027 年達到近 47.8 億美元。AI 應用程式安全與 AI 使用控制位列較大的細分市場，治理平台和閘道也預計將實現強勁增長。這些數字反映出人們意識到，當系統生成輸出、調用工具或自主運作時，傳統的安全控制會存在漏洞。

更廣泛的背景包括整體資訊安全支出的增加，以及與代理相關風險的具體出現。分析師指出，到2029年，超過一半針對AI代理的成功網絡攻擊將利用存取控制弱點和提示注入。運行時保護已成為AI代理安全中的主要類別，因為它針對的是實際執行，而非僅限於部署前測試或靜態策略。因此，擴展代理工作負載的企業面臨著自主系統帶來的生產力提升，以及對專門的可見性和強制層的需求。

運行時檢測可應對提示注入、工具濫用和數據洩露

核心運行能力專注於三個相互關聯的風險：通過不可信內容操縱代理行為的提示注入和間接攻擊；代理在處理原始碼、憑證或專有資訊時導致的敏感資料外洩；以及因推理受損或惡意工具回應而產生的不安全代理行為。檢測在整個會話上下文中進行，而非孤立的提示，從而能夠識別多步驟攻擊鏈。執行可根據策略阻止、遮蔽或調整內容，並與現有的 SIEM 和 SOAR 工作流程整合。

針對編碼代理，主機層級的整合會監控檔案讀取、指令執行、相依套件安裝與倉儲互動。這種可觀察性使安全團隊不僅能調查代理的行為，還能追溯其做出該決策的過程。在代理於開發者機器或持續整合系統上以提升權限運作的環境中，能在不安全操作完成前進行干預，有助於縮小潛在的影響範圍。企業報告指出，維持開發者生產力至關重要；允許代理在內容遮蔽後繼續安全運作的內容塑造技術，正能支持此一需求。

資金支持平台深度、銷售擴張與地理覆蓋範圍

B輪融資所得資金主要用於深化 Agentic Runtime Security 和 Agent Harness 功能、擴大工程與研發能力，以及加速銷售與分銷。領導層表示將專注於垂直擴展並結合人工智慧的採用，同時為未來逐步擴展至相關的網路安全領域做準備。國際增長將從歐洲及更廣泛的歐洲、中東和非洲地區開始，並透過額外的人才招聘與渠道建設提供支援。

資金也強化了公司維持專為此目的打造平台的能力，而非依賴事後才適配的通用安全工具。投資者指出，傳統的安全解決方案是為代碼和基礎設施設計的，而非針對可能因自身輸入而被毒化、劫持或操縱的模型。研究深度、非侵入式架構與運行時焦點的結合，使該平台在代理系統日益深入受監管和高價值環境時，具備持續被採用的優勢。

組織部署生產級 AI 代理時的實際考量

引入 AI 編碼代理或自主工作流程系統的組織面臨可見性缺口：許多組織缺乏對活動代理的即時清單，且在異常發生時無法輕鬆重建多步驟會話。實施運行時安全需要整合點，以觀察代理活動，同時不引入不可接受的延遲或破壞現有的開發流程。利用原生代理鉤子並報告各平台的強制力的解決方案，可幫助安全團隊了解殘餘風險。

有效的方案結合部署前供應鏈掃描、持續的攻擊模擬和即時運行監控。政策應同時應對直接提示注入以及透過工具輸出或檢索內容傳遞的間接攻擊。與現有安全運營工具整合，可讓檢測結果流入既定的調查與回應流程。隨著代理獲得修改程式碼、存取密鑰或與生產系統互動的權限，檢測延遲的成本將上升，因此持續的運行控制已成為實務上的必要措施，而非可選的增強功能。

AI 安全市場競爭與平台差異化

AI 安全市場已吸引大量資金，多家供應商籌集了大量資金，以解決重疊或相鄰的問題領域。大型網絡安全公司已通過收購來增強 AI 專屬功能。HiddenLayer 透過其非侵入式分析（無需模型權重或訓練數據）、強調代理運行時和編碼代理框架，以及在商業和機密環境中的成熟佈局而脫穎而出。該平台將發現、供應鏈安全、攻擊模擬和運行時保護統一於單一架構中。

隨著類別逐漸成熟，企業會根據多步驟代理工作流程的覆蓋範圍、與現有代理框架的整合難易度、用於調查的會話重構品質，以及在不產生過多誤報或開發者摩擦的情況下執行策略的能力來評估解決方案。基於研究的檢測更新和對行業標準的貢獻，提供了長期可行性的額外信號。選擇平台的組織日益優先考慮那些將執行時行為視為一級控制介面、而非以模型為中心防禦的補充措施的平台。

企業環境中 AI 代理運行時安全的前景

代理系統正從實驗性工具轉變為核心業務流程的組成部分。高德納與其他分析師預計，AI 代理的部署以及相關的安全支出將持續快速增長。由於代理引入了靜態控制無法完全應對的動態、情境相關風險，運行時安全預計仍將是主要焦點。隨著組織授予這些系統更高的自主性，能夠提供跨工具、數據和多代理互動可見性的功能將可能進一步擴展。

HiddenLayer 近期的融資和產品擴展，使公司能夠支持這一發展趨勢。記錄在案的 ARR 增長、跨受監管行業的客戶多元化、政府合約以及龐大的專利組合，表明對專為 AI 安全設計的解決方案存在持續需求。將運行時保護視為基礎設施而非可選層級的企業，將更能有效擴展代理工作流程，同時管理這些工作流程所帶來的擴大攻擊面。運行時的持續驗證，仍是可信 AI 運營的實際基礎。

常見問題

HiddenLayer 的代理運行時安全為生產代理提供哪些具體功能？

Agentic Runtime Security 提供即時可見性，讓您了解 AI 代理在實際執行時如何與工具、資料和其他系統互動。它會重建完整的會話情境，讓安全團隊能夠理解決策序列、偵測提示注入和惡意工具使用，並執行阻斷、遮蔽或內容引導等強制措施。此模組可與現有的安全運營工作流程整合，並支援對多步驟自主流程進行調查與威脅狩獵。