据SiliconANGLE报道，在theCUBE对甲骨文“AI网络攻击正在升级：如何保护你的数据”线上活动的报道中，甲骨文高管和分析师指出，随着智能体AI获得访问敏感数据和代表用户行动的能力，企业安全控制需要从单个应用下沉到数据库层，并把可问责的监督和业务韧性纳入前期设计。
theCUBE Research分析师克里斯塔·凯斯（Krista Case）表示，由智能体AI驱动的新型攻击正占据新闻头条，网络韧性和业务韧性因此成为安全讨论的一部分。她说，企业已认识到不能只靠把防护围栏建得足够高，韧性需要从一开始就内置。凯斯与同为分析师的戴夫·韦兰特（Dave Vellante）在theCUBE对上述甲骨文活动的报道中讨论了这些压力。该活动汇集甲骨文高管和技术专家，讨论威胁态势变化及其对企业的影响。
甲骨文数据库技术执行副总裁胡安·洛艾萨（Juan Loaiza）说，智能体AI安全需要在智能体访问企业数据的新路径上建立一致的授权边界。甲骨文的做法是把强制执行从单个应用移入数据库，减少对开发者分别实现防护的依赖。他提到，人们会用巧妙措辞让AI做出原本以为通过提示词就能阻止的事情；如果在数据层强制每个最终用户只能看到自己的数据，那么无论提示词如何，代表该用户行动的智能体也只能看到该用户的数据。
甲骨文数据库安全高级副总裁维平·萨马尔（Vipin Samar）与数据库安全产品管理副总裁戴维·诺克斯（David Knox）一起介绍了相关控制。萨马尔说，甲骨文把数据库访问期间实施的控制与集中安全管理结合起来，包括基于云的Oracle Data Safe和自管理的Oracle Database Security Central。他表示，AI可以很容易、自然地从一个数据库移动到另一个数据库，因此必须对整个数据库集群、用户和数据拥有360度视图，才能实现有效安全。
在合作伙伴一侧，埃森哲Enkitec Group生成式AI/AI技术创新首席总监罗杰·科内霍（Roger Cornejo）说，该团队使用Oracle Deep Data Security在数据库内部执行访问规则，使智能体能够查询共享知识库，同时保留不同授权级别。他提到，有数十个、可能超过40个智能体访问该应用，因此需要确保可扩展性；目前测试已扩展到300个并发查询，大多数结果在15秒或更短时间内返回。
讨论还涉及智能体AI安全对系统准备度和监督的要求。Constellation Research副总裁兼首席分析师霍尔格·穆勒（Holger Mueller）说，今年大家争论哪种智能体框架更好，明年将出现扩展后端系统的“大复兴”。据其判断，推迟采用会让企业暴露于AI驱动的威胁，同时技术债务继续累积。甲骨文云工程集团副总裁约翰尼·康斯坦塔斯（Johnnie Konstantas）则指出，准备度还要求企业知道智能体在哪里构建、能够触达哪些敏感资产，这种清单有助于围绕委托工作建立控制。