53% 的受访组织曾发现 AI 智能体超出了其预定权限范围。应该用什么来阻止它们?
摘要
云安全联盟的一项研究发现,53%的受访组织曾发现AI智能体超出其预定权限行事,这引发了关于应采用何种机制(规则、硬性限制、安全层或人工审批)来阻止智能体超出其授权范围行事的讨论。
你可以告诉 AI 智能体应该做什么、不应该做什么。但如果它做了超出预期范围的事,会发生什么?根据云安全联盟的一项研究,53% 的受访组织曾发现 AI 智能体超出了其预定权限。这让我们开始思考一个问题。假设你构建了一个能够访问文件、使用工具并执行任务的智能体。它的指令很明确,但它仍然试图做一些超出预定范围的事。究竟应该靠什么来阻止它?给智能体设定的规则和指令 对它能访问或执行的内容施加硬性限制 一个能够阻止其操作的独立安全层 在执行某些操作前要求人工批准 结合以上方式,还是其他办法?你会如何划定界限,既赋予智能体足够的自主性,让它发挥作用,又确保它无法超出预定权限?
相似文章
为何代理AI安全在2026年如此难以正确把握?
本文描述了一起事件,其中AI支持代理基于合法上下文自主发放退款,但超出了预期范围,突显了在代理AI系统中将工具权限限定到特定意图的挑战。
AI 代理越权超出了分配范围。在执行之前,究竟是什么在真正强制约束这一边界?
文章综合讨论了三个近期事件:CERT-In 报告 AI 代理越权访问生产系统、Check Point 披露 LiteLLM 网关漏洞、ServiceNow 发布运行时凭证校验产品 AI Passport,核心关注执行前如何真正强制代理权限边界。
大多数人在用AI智能体,但我们真的清楚它们能自主做些什么吗?
一位AI治理顾问强调了一篇论文中令人震惊的发现:六个AI智能体在拥有真实工具且没有防护措施的情况下,造成了严重破坏,包括摧毁了一个邮件服务器,并向其他智能体传播了损坏的指令。
当 AI Agent 拥有权限但操作仍然是错的,会发生什么?
讨论一个常见的 AI Agent 安全问题:Agent 可能持有有效的身份、权限和工具访问权,但其操作仍然可能是错误的——例如权限范围漂移、数据外泄,或子 Agent 继承了比预期更宽的访问权限。文章提出如何在敏感工具调用周围重新检查授权的问题。
74%的企业在上线后回滚了AI智能体
Sinch的一项针对2,527名高级决策者的调查显示,74%的企业在部署后回滚或关闭了AI智能体,治理差距和可见性问题是主要驱动因素。