群体智能系统与人工智能（AI）智能体系统正快速走向现实场景，在应急救援、交通管控、仓储物流、工业制造与安全运维等领域展现出巨大潜力。然而，随之而来的安全与隐私风险亦在加剧：从物理层面的干扰与破坏，到通信层面的篡改与劫持，再到应用层中对模型、数据与决策过程的攻击与窃密。本文在统一的物理层—通信层—应用层3层框架下，系统梳理群体智能系统与AI智能体系统的安全与隐私威胁，归纳共性及差异，并对照给出针对性的防护策略，包括访问控制、邻域过滤、区块链机制、基于强化学习的入侵检测、差分隐私、同态加密和联邦学习等。进一步，提炼可迁移的策略模式，讨论这两类系统在安全治理、实时性与效能权衡、大模型时代的新型威胁，例如越狱、提示注入、工具滥用、幻觉攻击下的挑战与研究方向。本文旨在为构建安全、稳健、可信的群体智能系统与AI智能体系统提供一个面向工程落地的系统化参考。