在生产基础设施中部署自主AI代理引入了传统基于角色的访问控制（RBAC）模型无法解决的基本安全挑战。与确定性自动化不同，AI代理表现出随机行为，使得传统信任模型不足以管理它们对关键系统的访问。
本文提出了一种专门为在关键云基础设施中运行的自主AI系统设计的去中心化多层访问控制架构。我们的框架引入了四个关键创新：
- 复合身份模型，将代理的行动绑定到授权的人类权限；
- 具有五个粒度级别的层次权限系统，从全球平台访问到每个参数的约束；
- 去中心化的策略所有权模型，工具团队独立管理其授权边界；
- 渐进式信任升级与安全联锁，防止自主代理执行高风险操作。
我们将设计基于OWASP 2025年LLM应用程序的十大威胁分类，并展示每个架构决策如何减轻特定攻击向量。
在一家主要云服务提供商的生产环境中部署，该系统管理跨数百个数据中心的网络基础设施，为20多个专业AI代理和60多个确定性剧本执行细粒度访问控制，处理每日数千次操作，同时在八个月的生产部署中保持零未授权写入操作。
我们提供了关于访问模式分布、拒绝率和分层授权在防止非确定性参与者特权升级方面有效性的实证数据。
博主点评： 本文提出的多层访问控制架构为自主AI代理的安全性提供了一种新颖的解决方案，尤其在面对传统RBAC模型无法应对的随机行为时，展示了其重要性。这种架构的去中心化特性和细粒度权限管理将是未来关键基础设施安全的一个重要方向。