AI Agent 的零信任架构
🎯 一句话
零信任的核心假设是「边界内部同样不可信」。用在 Agent 上就是:不要因为它是你自己部署的,就默认它的每个请求都合法——因为它的行为可以被输入里的文字改写。
本页先解决:每次调用怎样按任务身份与权限重新检查?
Claude 博客资料库 · 智能体安全
每次调用怎样按任务身份与权限重新检查?
Agent 风险不只来自恶意输入,也与可触及资源和执行速度有关。
读完可以:按每次调用的任务身份、权限和上下文检查访问,而不是永久信任 Agent。
📄 来自 Claude 官方博客
- 原文标题
- Zero Trust for AI Agents(AI Agent 的零信任架构)
- 原文链接
- https://claude.com/blog/zero-trust-for-ai-agents
- 作者
- Anthropic(Claude Security 团队)
- 发布日期
- 2026-05-27
⚠️ 本页是原文的中文结构化整理笔记(保留架构、数据、案例、结论),并非逐字翻译。版本、参数与案例数字属于原文所示条件,不是本资料库的实测结果;产品状态与接口以实施时官方文档为准。
📑 本页目录
前沿 AI 同时加速攻防两端,部署自主 Agent 的组织面临前所未有的安全挑战。传统访问控制不够用——Agent 可能自主滥用合法权限。解法是把零信任架构(「什么都不信、一切都验证、假设已被攻破」)适配到 Agent 系统:加密身份、按任务限权、抗投毒记忆、AI 速度的防御运营。
Agent 风险不只来自恶意输入,也与可触及资源和执行速度有关。
加速问题
从漏洞发现到被利用的时间线急剧压缩——AI 模型现在能找出人类审查者多年未发现的严重漏洞。这种双刃剑效应同时作用于基础设施和 Agent 本身。
Agent 特有的风险
- 工具访问 + 自主决策
- 上下文持久化漏洞
- 多 Agent 协调风险
五大攻击向量
- 提示词注入(Prompt injection)
- 工具投毒(Tool poisoning)
- 身份与特权滥用
- 记忆投毒(Memory poisoning)
- 供应链攻击
四原则指导每次访问的检查,成熟度框架描述实施层次,不代表越级即可补齐控制。
零信任四原则(Agent 版)
- 加密身份根: Agent 需要可验证的、有加密锚定的身份
- 按任务最小特权: 权限狭窄地限定到具体操作
- 假设已被攻破: 架构从一开始就按「攻陷终会发生」设计
- 速度对等: 防御自动化必须匹配自主攻击的速度
三级成熟度框架
- 基础层(Foundation): 安全基本功
- 进阶层(Advanced): 增强控制
- 优化层(Optimized): AI 速度的防御运营
把原则落回身份、权限与审计配置,核对真实任务边界。
实施要点
- 八阶段实施流程:身份验证、访问限定、沙箱化、输入/输出控制、记忆保护等
- Agentic SOAR: 防御运营必须匹配 AI 加速的攻击者速度,需要规模化自动化
- 面向受监管行业(医疗、金融、政府)的合规对齐指引
结论
最适合部署 Agent 的组织,是那些在部署前就有扎实安全基本功以减少漏洞、并且从一开始就采用「假设被攻破」架构的组织。该框架为安全负责人构建企业级 Agent 系统提供了实用路径。
✅ 检查点
- 零信任的核心假设是什么?用在 Agent 上意味着什么?
- 为什么 Agent 特别需要零信任,而传统程序不那么需要?
- 最小权限原则在 Agent 场景该怎么落地?
👀 答案
- 核心假设是「网络边界内部同样不可信」,每个请求都要独立验证身份和权限。用在 Agent 上:不能因为 Agent 是自己部署的就信任它发出的每个调用,要像对待外部用户一样逐次鉴权。
- 因为传统程序通常由代码规定控制流,也仍会遭遇输入、依赖和权限漏洞;而 Agent 的行为由它读到的内容决定——一封邮件、一个网页、一份文档里的文字,都可能改写它接下来要做什么(提示注入)。⭐ 「代码是可信的,数据是不可信的」这条传统假设,在 Agent 上失效了——因为对 Agent 来说,数据可能被模型误当成指令,因此更需显式区分输入内容与授权。
- ①按任务而不是按 Agent 授权——同一个 Agent 做不同任务时权限不同;②凭证短时效,用完即失效;③写操作和读操作分离,写操作走单独的审批或确认;④所有工具调用留审计日志,且日志里要能还原「它当时读到了什么」——否则事后无法判断是不是被注入了。
本节回顾
先记住这几件事
- 每次请求都独立检查权限,不因调用来自内部就自动信任。
- 按任务授予最小权限,并区分读、写与敏感操作。
- 日志应能还原调用依据和外部输入,支持事后调查。