【重磅】瑞数信息发布《2026Bots & Agents自动化威胁报告》，重构AI Agent时代安全认知

2026年8月17日，瑞数信息正式发布《2026 Bots & Agents自动化威胁报告》。这是瑞数信息基于多年自动化流量识别、攻击行为分析及行业安全实践积累，对AI时代非人类流量演进趋势和安全治理方向进行的长期研究。

报告指出：随着AI能力快速融入自动化工具，互联网正在从以“人”为中心的访问模式，迈入由人类用户、传统自动化Bot与AI Agent共同构成的“三体流量时代”。

瑞数信息监测数据显示：2025年初至2026年Q2，Bots流量占比已攀升至约68%（2024年为65%）。其中，AI Agent驱动的新型流量从2025年初的不到1%快速增长至8%–12%。同期，瑞数信息共拦截各类自动化攻击请求超过1.05万亿次，同比增长约30%–35%；其中来自LLM和AI Agent的请求总量超过4500亿次，同比增长超400%。Agent浏览器成为增长最快的新型流量形态之一，占AI相关流量9.7%，环比增速超过8倍。

这意味着，“机器访问互联网”已经不再是边缘现象，而正在成为数字世界的新常态。

非人类流量持续演进，安全进入“三体流量时代”

长期以来，自动化威胁更多依赖固定脚本、自动化工具和规模化请求，安全防护也主要围绕IP、UA、指纹等特征展开。但随着生成式AI和智能体技术快速发展，自动化主体正在发生根本变化：从“按照规则执行任务的机器”，逐步演变为能够理解目标、规划路径、调用工具并自主执行的智能体。

基于这一趋势，报告以“自主性”为核心维度，对非人类流量进行重新划分，形成三大类型：

l 传统自动化Bot

l AI增强型Bot

l AI Agent

在此基础上，瑞数信息从自主性、对抗能力、影响范围三个维度，进一步构建L1-L5五级自动化威胁体系，对不同阶段的自主化攻击能力进行分析。

其中，高等级Agent威胁已经具备高度自主决策和复杂对抗能力，其攻击速度、规模和持续性甚至可能超过传统人类攻击团队。

瑞数信息认为，未来企业面对的不只是“更多的Bot”，而是更像人、更懂业务、能够自主行动的机器主体。安全防护需要从识别异常访问，升级为理解和治理非人类主体行为。

Bots与Agents加速融合，自动化威胁智能化演进

随着AI能力不断融入攻击链路，自动化威胁正在从传统资源消耗、数据爬取、业务滥用等场景，向更加复杂的智能化攻击方向演进。

报告围绕自动化威胁发展趋势，系统梳理了13大典型威胁场景。其中，AI Agent相关风险成为新的关注重点，包括LLM应用攻击、Agent供应链攻击、Agent身份劫持以及AI自主攻击与编排等。

一方面，LLM应用正在成为新的“实战性攻击目标”。Prompt注入、模型滥用等攻击方式可能影响智能应用的正常运行，使AI系统面临数据泄露、权限滥用等安全挑战。

另一方面，随着Agent生态逐渐形成，MCP、Skills、Harness等组件正在构建新的技术链路，也带来了新的供应链安全风险。当Agent身份、工具权限或执行流程受到影响时，原本用于提升效率的智能助手，也可能成为攻击者利用的新入口。

与此同时，AI Agent正在进入高价值业务场景。报告显示：

l互联网行业AI Agent流量占比达到15%，位居各行业首位；

l金融行业恶意Bot流量占比60%，依然是恶意自动化攻击最集中的行业之一；

l制造业恶意Bot占比增长至55.6%，成为攻击增速最快的行业。

l关键基础设施同样面临更高风险，全球勒索事件中50%针对关键基础设施，涉及制造、医疗、能源、交通、金融等关键领域。

报告同时监测到，约62%的新发现Bot攻击已能生成与真实浏览器无法区分的TLS指纹，传统基于静态特征的检测手段有效性大幅下降。面对“身份更加真实、行为更加拟人、意图更加复杂”的新型机器主体，传统安全防护模式正在逼近能力边界。

注：上图为各行业流量四类构成。行业维度的人类访问占比高于全网平均水平，两者统计口径不同，不可直接比较。

从识别Bot到理解Agent，探索AI时代安全防护新范式

在“三体流量时代”，瑞数信息认为，未来安全防护的核心问题已经从“识别谁是Bot”转向：

l 这个非人类主体是否可信？

l 为什么访问？

l 它正在做什么？

因此，报告提出，AI时代安全治理需要从传统的“检测阻断”模式走向“信任治理”，以身份、行为、意图三维度建立动态信任评估机制。

区别于基于单一规则或特征的判断方式，信任治理通过多维度分析建立动态评估机制，对不同类型主体实施差异化管理，实现从简单拦截到持续判断、动态调整的安全防护。

基于多年动态安全的技术基石，瑞数信息从WAAP全链路联防、数据全周期保护、动态环境检测、攻击链联防及Agent信任治理五大方向，提出面向“三体流量时代”的完整安全防护体系。

其中，在Agent治理方面，瑞数信息提出“身份+行为+意图”的多维信任评估模型，通过动态信任评分，对不同风险等级的访问行为实施放行、限速、二次验证、拦截等差异化处置。

报告数据显示，Agent 流量中身份与意图均合法的仅73%，另有21%身份合法但意图可疑、4%身份可疑但意图合法、2%明确恶意——传统二元判断只能正确处理其中约75%，剩余25%的“灰色地带”必须依靠多维信任评估和动态降级。同时，针对不同行业业务特点，设计更加精细化的Agent访问治理策略，在保障安全的同时，为合规Agent提供更加友好的访问通道。

从“Bot防护”到“信任治理”，瑞数信息正在回答AI时代安全防护的一个新问题：

不是所有非人类流量都应该被拦截，但所有非人类流量都需要被理解、评估和治理。

面向AI Agent加速发展的未来，安全的核心不再只是阻断风险，而是建立人与机器、业务与智能体之间更加可信的数字交互环境。

（数据说明：本文数据来源于瑞数信息2025年初至2026年Q2期间的自动化流量监测与防护日志，统计范围为瑞数信息防护网络，不代表全网整体水平。）