智能体安全 meets 监管现实：受监管金融系统中自主智能体威胁与控制的从业者系统化梳理

大语言模型智能体正在进入受监管的金融系统，然而刻画其攻击面的安全文献几乎完全基于实验室环境，且关于受监管部署的从业者指导既未经过同行评审，也未与正式的威胁模型相关联。我们基于生产经验弥合了这两者。我们将六类已确立的智能体威胁类别（即提示注入、身份与授权、操作可审计性、工具滥用、数据驻留和边界策略执行）映射到美国和欧盟金融监管（ECOA 和 Regulation B、欧盟 AI 法案、GDPR 第 22 条以及 FINRA 2026 年智能体指南）所施加的具体控制义务上，展示了相较于不受监管的部署，法律问责如何放大每一项威胁。随后，我们记录了来自消费信贷产品 Know Your Customer 生产部署的四种架构模式（A2A 合规编排、面向审计的 grounded-RAG、案例 ID 传播和推理边界脱敏代理），这些模式将多日的人工流程转变为约五分之四案例的当日自动解决。最后，我们报告了三个负面结果，包括两项仅由内部审计发现的控制失败，以及一批自动处理流水线无法服务的合法申请人。我们得出结论，在监管下保护智能体与其说是关于新型攻击类别，不如说是关于在生产规模上实现可审计性、最小权限授权和边界策略执行——这些要求当前的智能体框架留给了部署工程师来解决。