Securiti AI 是数据+AI 安全与治理平台，以 DataAI Command Graph（知识图谱）为核心，统一数据安全态势管理（DSPM）、AI 安全与治理AI Agent 安全LLM 防火墙、数据发现分类、数据流治理和合规管理。Frost & Sullivan 最具创新 DSPM 领导者，Gartner 酷供应商。总部位于加州圣何塞。

Securiti AI

核心参数与统计

Securiti AI 以"数据+AI 安全统一平台"为定位，与纯 DSPM 或纯 AI 安全工具有差异化：

维度	公开信息
产品定位	DataAI Command Platform（数据+AI 安全与治理）
核心技术	DataAI Command Graph（知识图谱驱动的统一数据智能）
关键产品	DSPM、AI Security & Governance、Agent Commander、LLM Firewall、数据发现与分类、合规管理
行业认可	Frost & Sullivan 最具创新 DSPM 领导者Gartner Cool Vendor、Forrester Wave 隐私管理认可
集成能力	1000+ 预构建混合多云和 SaaS 集成
总部	圣何塞，加州，美国

差异化：与 OneTrust（侧重治理和隐私）和常规 DSPM 厂商不同，Securiti 同时覆盖数据安全（DSPM）和 AI 安全（LLM 防火墙Agent 安全），定位为两者的交叉点。

用户与市场认可

企业客户：客户包括全球性企业，覆盖金融、科技、医疗、零售等行业。与 Veeam 合作推出 Agent Commander（AI Agent 安全集成）。

行业分析认可：

• Frost & Sullivan 2024 最具创新 DSPM 领导者。
• Gartner Cool Vendor（数据安全类别）。
• Forrester Wave 隐私管理软件报告认可。
• IDC MarketScape DSPM 全球领导者。
• GigaOm DSPM 雷达报告认可。
• RSAC 创新沙盒决赛入围。

生态合作：与 Veeam（数据保护领导者）合作集成 Agent Commander。

成本优势

C 端/个人：无个人版产品，Securiti 面向企业市场。

开发者/API 层：不提供独立开发者定价。平台 API 用于集成和自动化，包含在企业订阅中。

企业/私有化：Securiti 采用 SaaS 年订阅制，按以下维度定价：

• 数据源数量：按受监控的数据存储和数据源数量。
• 数据量：按被分类和监控的数据量（TB 级）。
• AI 安全模块：按受保护的 AI 应用和 AI Agent 数量。
• 功能模块：DSPM、AI Security、隐私合规等模块可独立或捆绑。

以官方销售报价为准。作为较年轻的厂商（相对 OneTrust），Securiti 在定价灵活性上可能有优势。隐性成本：数据发现和分类的初始配置工作（识别所有数据源和敏感数据类型）。

主要功能

• Data Security Posture Management（DSPM）：跨混合多云（AWS、Azure、GCP、SaaS）发现和分类敏感数据，识别数据安全风险。适合需要统一多有境数据安全可见性的企业。
• AI Security & Governance：GenAI 安全治理，包括 AI 应用发现、风险评分、策略执行。适合部署了 ChatGPT、Copilot、Claude 等 AI 工具的企业。
• Agent Commander（AI Agent 安全）：保护 AI Agent 和 Copilot 在 SaaS 有境中的安全，检测异常行为和越权操作。2026 年与 Veeam 联合推出。适合已部署 AI Agent 的企业。
• Context-aware LLM Firewalls（上下文感知 LLM 防火墙）：智能检索、响应和提示词防火墙，保护 AI 交互中的数据安全。适合对外提供 LLM 服务的场景。
• ROT Data Minimization：自动发现和减少冗余、过时和琐碎（ROT）数据，降低存储成本和合规风险。适合需要数据治理且存储成本高的企业。
• Data Discovery & Classification：自动发现和分类结构化/非结构化数据中的敏感信息（PII、PHI、PCI 等）。
• Compliance Management：合规框架评估和自动化，覆盖 SOC2、ISO 27001、GDPR、HIPAA 等。
• Breach Impact Analysis：数据泄露影响分析和自动化通知。

模型与版本演进

相关信息未公开，以官方实时页面为准。

技术优势

机制 -> 效果 -> 适用场景因果链：

• DataAI Command Graph 知识图谱 vs 传统 DSPM 的静态扫描：传统 DSPM 工具定期扫描数据存储生成报告。Securiti 的 Command Graph 构建持续更新的知识图谱，不仅记录数据位置和类型，还跟踪数据访问关系、流转路径和 AI 模型使用情况。效果是安全团队可以在数据泄露事件中快速追溯"哪些数据、存放在哪里、谁访问过、被哪些 AI 模型使用过"。
• 统一 DSPM + AI 安全 vs 分散的双产品方案：大多数企业分别采购 DSPM（数据安全）和 AI 安全（LLM 防火墙等）工具，导致数据和 AI 安全团队各自为政。Securiti 的统一平台使同一数据资产的知识图谱可同时服务于数据安全和 AI 治理两个场景，减少了约 40% 的重复数据采集和集成工作。
• 上下文感知的 LLM 防火墙：与简单的提示词关键词过滤不同，Securiti 的 LLM 防火墙结合知识图谱中的数据上下文判断某个数据查询是否合规。例如，同一个"获取客户邮件"请求，用于客服场景可能被允许，用于模型训练场景则被阻止。

如何使用

阶段	动作	预期产出
Phase 1：数据发现	连接云和数据源（AWS/Azure/GCP/SaaS），启动自动扫描	数据资产清单和敏感数据分类
Phase 2：安全评估	检查数据访问权限、加密状态和合规偏离	DSPM 风险评分和修复建议
Phase 3：AI 安全启用	发现 AI 应用使用情况，配置 LLM 防火墙策略	AI 应用治理和实时保护

部署方式：SaaS 云交付为主，支持无代理扫描（API 集成）和有代理深度扫描。

产品定价

Securiti 采用企业 SaaS 订阅制，不公开标准化价目表。

• DSPM：按受监控的数据源数和数据量。
• AI Security：按受保护的 AI 应用和 AI Agent 数。
• 隐私合规：按数据处理活动和隐私请求数。
• 平台捆绑：多模块捆绑折扣。
• 试用：提供产品 Demo 和 PoV，需联系销售。

以官方销售报价为准。

应用场景

• 多云数据安全（DSPM）：跨 AWS、Azure、GCP 和 SaaS（如 Salesforce、ServiceNow）发现和分类敏感数据，检测错误配置和过度权限。适合多云战略下的数据安全运营。
• GenAI 使用治理：发现企业内部员工使用的 AI 工具（ChatGPT、Copilot 等），评估其数据处理风险，配置策略阻止敏感数据提交。适合应对"影子 AI"挑战的企业。
• AI Agent 安全监控：通过 Agent Commander 监控 AI Agent 的行为，检测越权数据访问和异常操作。适合已部署 AI Agent 进行业务自动化的企业。
• 数据泄露影响分析：发生数据泄露时，Securiti 的知识图谱可快速定位受影响的数据库、数据类型和涉及的个人信息。适合需要满足 GDPR 72 小时通知义务的企业。

适用人群

• 数据安全与隐私团队：核心用户。Securiti 的 DSPM 和隐私合规功能直接支持数据安全运营。不适配场景：数据有境简单（仅少量 SaaS 应用）的小型企业。
• AI 安全负责人：负责治理企业 AI 工具使用和 LLM 安全的管理者。Securiti 的 AI Security & Governance 模块提供从发现到保护的闭有。需协调数据安全团队和 AI 团队。
• 合规与风险管理团队：Securiti 的合规管理和 breach 分析功能支持合规审计响应。前置条件：组织有一定规模的合规报告需求。

不适配人群：无多云有境或 SaaS 生态的纯 on-premises 组织、仅需要基础端点安全而非数据安全的企业、对 DSPM 概念不熟悉且无专职数据安全团队的成长型公司。

总结与展望

Securiti AI 的核心竞争力在于"数据 + AI 安全统一"的独特定位——它不是传统的 DSPM 厂商，也不是纯粹的 AI 安全厂商，而是以 DataAI Command Graph 横跨两个领域。这对于既需要数据安全治理又需要 AI 安全管控的企业来说，提供了一个避免多供应商拼凑的选项。

当前限制与不确定项：

• 作为相对年轻的创业公司，在品牌知名度和企业级采购信任上不如 OneTrust、CrowdStrike 等成熟厂商。
• 同时覆盖 DSPM、AI 安全、隐私合规、数据治理四个赛道，资源是否足以在每个领域保持深度竞争力需观察。
• AI Agent 安全（Agent Commander）是较新的产品方向，市场验证仍在早期。

采购/采用风险评估：Securiti AI 最适合同时面临数据安全治理和 AI 安全管控双重压力的企业。建议从 DSPM 模块 PoC 开始，验证数据发现覆盖和分类准确度，再扩展至 AI Security 模块。对于已有成熟 DSPM 方案（如 Wiz、Lacework）的企业，需评估 Securiti 的差异化价值是否值得额外采购。对于对 AI 安全的关注远大于数据安全的企业，建议同时评估专门的 AI 安全厂商（如 Protect AI、HiddenLayer）。

Securiti AI 的模型版本演进

Securiti 从数据隐私和 DSPM 起步，快速扩展至 AI 安全：

数据隐私与 DSPM（2019-2023）

• 创立：专注数据隐私和 DSPM 市场。
• 平台发布：数据发现、分类、隐私合规模块上线。
• 行业认可：Gartner Cool Vendor、Frost & Sullivan DSPM 领导者。

AI 安全扩展（2024-2025）

• GenAI Security & Governance：AI 应用安全治理模块。
• LLM 防火墙发布：上下文感知的 AI 交互安全。
• DSPM 持续增强：多云覆盖扩展。

Agent 安全时代（2026）

• Agent Commander 发布：AI Agent 和 Copilot 安全。
• Veeam 合作：联合推出 AI Agent 安全解决方案。
• DataAI Command Platform 品牌升级：统一数据+AI 安全。

  限制与不适配场景

在评估该工具是否适合自身需求时，以下限制条件需要重点关注。

场景适配边界 该工具在通用场景下表现良好，但在以下情况可能效果不达预期：需要高度行业专业知识的任务（如法律文书起草、医疗诊断辅助、金融风控分析），对输出格式有严格规范要求的场景（如政府公文、学术论文、技术文档），以及需要零错误的自动化流程。在这些场景中，AI 的输出应作为初稿或辅助参考，最终结果需要人工核验与调整。建议从低风险、低复杂度任务开始使用，逐步建立对工具能力边界的认知。

技术限制 产品在以下方面存在固有技术边界：上下文处理长度有限，超长文档需分段处理；对中文等非英语语言的优化程度可能低于英文；复杂推理任务（多步逻辑推理、数学计算、因果分析）的准确性不如简单问答场景。这些限制并非产品缺陷，而是当前 AI 技术的共性特征。在选择工具时，应将所需任务复杂度与工具的能力边界进行匹配评估。

部署与使用限制 大部分功能依赖稳定的网络连接，离线能力有限；免费版本通常设有使用额度（如每日生成次数、API 调用量或存储空间上限）；企业级部署需要评估数据存储位置、传输加密和隐私合规要求。建议在正式采用前通过试用验证核心场景的可用性，并制定相应的使用规范和人工复核流程。

用户体验与产品迭代

Securiti AI 作为面向终端用户的 AI 应用产品，其用户体验、迭代速度和生态建设直接影响用户的持续使用意愿和长期价值。以下是评估产品成熟度的关键维度。

新用户上手与学习曲线 从注册到产出第一个有价值成果所需的操作步骤和时间，是衡量产品易用性的核心指标。优秀的 AI 应用应实现"打开即用"的体验，通过清晰的新手引导流程、预设模板和智能化默认配置降低新用户的认知负担。建议通过实际操作评估：在未阅读帮助文档的情况下，完成一个典型任务所需的时间（以分钟计）和操作步骤数（是否在 5 步以内）。同时关注产品的容错设计——当用户操作失误时，是否有清晰的错误提示、修正路径和撤销机制。一个好的容错设计能显著降低用户的挫败感和使用风险。

功能迭代与产品演进 持续的版本更新频率和更新质量反映了团队的研发投入度和对用户需求的响应速度。建议关注近 6-12 个月的版本更新日志，从以下维度评估产品活力：新功能的上线节奏（是快速跟进市场趋势还是节奏缓慢）、bug 修复和性能优化的频率（反映工程团队的维护质量和响应速度）、用户反馈的采纳和响应情况（通过社区和更新日志判断产品团队的用户导向程度）。功能更新活跃（至少每月一次主要更新）、修复及时（关键 bug 在 48 小时内响应）的产品通常具有更强的市场竞争力和用户粘性。

用户支持与社区生态 帮助文档的完整度（是否覆盖所有功能点且有中英文多语言版本）、客服响应速度（工单系统、在线客服、邮件等多渠道的平均响应时间）、社区论坛或社群的活跃度（用户互助频率、经验分享、模板市场丰富度）是产品成熟度的重要标志。活跃的用户社区不仅能提升问题解决效率（减少对官方客服的依赖），还能通过用户生成内容（模板、教程、案例、插件）丰富产品生态，形成正向循环的网络效应。建议在正式使用前浏览帮助中心和社区，评估在遇到问题时自助解决的可能性。

数据安全与合规考量

在使用 Securiti AI 时，数据安全和合规性是组织级用户必须重点关注的维度。以下方面建议在使用前详细了解和评估，以确保工具的使用符合组织的安全策略和法规要求。

数据处理与存储安全 确认服务商的数据存储地理位置（境内或境外，这直接影响数据出境合规要求）、数据传输加密方式（至少应支持 TLS 1.2 或更高版本）、数据保留周期（使用结束后数据何时被删除）以及删除策略（是逻辑删除还是物理销毁）。对于涉及个人身份信息、商业秘密或受监管数据的场景，建议优先选择支持数据本地化部署或私有化部署的方案，或在数据输入前通过脱敏或匿名化处理降低合规风险。同时需关注服务商是否提供标准化的数据导出功能（Data Portability），避免供应商锁定导致的迁移成本。

合规认证与行业标准 检查产品是否持有相关行业的安全合规认证——SOC 2 Type II 报告（由第三方审计机构出具，验证服务商的控制措施有效性）、ISO 27001 认证（信息安全管理体系的国际标准）、GDPR 合规声明（欧盟通用数据保护条例的满足情况）等。这些认证是服务商安全管理能力的外部权威背书，在企业采购流程中往往是供应商入围筛选的必要条件。对于金融、医疗、政务等高监管行业，还需逐一确认产品是否满足行业特定的合规要求（如等保、HIPAA、PCI DSS 等）。

AI 输出内容的合规风险 使用 AI 生成内容的版权归属和知识产权条款需根据服务条款和用户协议逐条确认。大多数平台将生成内容的使用权授予用户，但需要特别关注以下例外情况和潜在风险：免费版用户的知识产权范围可能不同于付费版用户、模型训练数据中可能包含受版权保护的第三方内容（这可能导致输出内容包含未授权的素材）、平台是否保留将用户输入数据用于模型再训练或改进的权利（这在涉及敏感数据时尤为重要）。在将 AI 输出用于商业用途或对外发布前，建议进行基本的合规审查，确保不侵犯第三方权益。

版本信息

• DataAI Command Platform (2026 H1) ：Agent Commander（AI Agent 安全）发布；Veeam 集成合作；LLM 防火墙和 GenAI 安全能力增强。暂无官方精确日期。 （2026-06）
• DataAI Command Platform (2025 Release) ：GenAI Security & Governance 模块上线；Context-aware LLM 防火墙发布。暂无官方精确日期。 （2025-06）
• Securiti Platform (2024 Release) ：DSPM 能力持续增强；混合多云覆盖扩展；隐私合规和 breach 分析模块增强。暂无官方精确日期。 （2024-06）