关键基础设施中智能体 AI 系统的去中心化细粒度访问控制

在生产基础设施中部署自主 AI 智能体带来了传统基于角色的访问控制（RBAC）模型无法解决的根本性安全挑战。与确定性自动化不同，AI 智能体表现出随机行为，使传统信任模型不足以治理其对关键系统的访问。本文提出一个专为在关键云基础设施中运行的智能体 AI 系统设计的去中心化多层访问控制架构。我们的框架引入四项关键创新：(1) 将智能体行动绑定到被委托的人类权限的复合身份模型；(2) 从全局平台访问到逐参数约束、横跨五个粒度层级的分层权限系统；(3) 工具团队独立治理其授权边界的去中心化策略所有权模型；(4) 带安全联锁的渐进式信任升级，阻止自主智能体执行高风险操作。我们的设计以 OWASP LLM 应用十大威胁分类法（2025）为根基，并展示每项架构决策如何缓解特定攻击向量。该系统已部署于一家大型云提供商的生产环境，管理横跨数百个数据中心的网络基础设施，为20多个专用 AI 智能体和60多个确定性 playbook 实施细粒度访问控制，每日处理数千次操作，并在八个月的生产部署中保持零未授权写操作。我们提供了关于访问模式分布、拒绝率以及分层授权在防止非确定性行为者权限提升方面有效性的实证数据。