Mindgard 获得新一轮融资，反映企业对 AI 系统攻击面评估的投入正在增加。传统渗透测试通常围绕固定版本展开，但模型、提示词、检索库和工具权限会频繁变化，一次通过并不能证明后续版本仍然安全。

持续验证更接近软件回归测试：每次模型替换、提示词更新、知识库同步或工具增加后，都需要重新检查越权、数据泄露、提示注入和不安全操作路径。

普通聊天系统的错误通常停留在输出层，而 Agent 可以读写文件、调用业务 API 或执行代码。攻击者如果能影响模型输入，就可能借助这些权限推动真实操作，因此测试必须覆盖完整调用链。

有效的评估要保存输入、模型决策、工具参数、外部响应和最终结果，并区分模型拒绝、平台拦截和业务系统拒绝。只有这样，团队才能判断控制措施真正位于哪一层。

模型和 Agent 更新速度越快，按年度执行一次评估越容易失效。企业可以将高风险工作流拆成稳定测试集，在发布流水线中运行，并对新增权限和异常工具调用设置人工审批。

外部红队服务能够补充攻击视角，但不能替代内部最小权限、网络隔离、密钥管理和审计。融资规模说明市场需求正在形成，真正的安全效果仍要由可复现发现、修复闭环和复测结果衡量。