智能体的安全边界怎么划:身份、授权与审计的三层工程
2026年11月20日

给智能体做安全,和给微服务做安全有本质区别。微服务的边界是静态的:这个服务能调哪些接口,写在配置里。智能体的边界是动态的:它在运行时自己决定调用什么工具、读什么数据、走哪条路径。静态配置管不住动态行为。

工程上要划清边界,得做三层。

01 身份层:给每个智能体一个可核验的主体

第一步是身份唯一。每个智能体实例要有唯一标识,且这个标识要能回答三个问题:它是谁创建的、它代表谁行动、它的能力范围是什么。

"代表谁行动"这一条最容易被忽略。智能体替员工办事时,它的权限应当是员工权限的子集,而不是一个独立的超级账号。否则员工离职、岗位调整之后,智能体的权限仍然挂着,这就是典型的权限残留。

用友的实践是在平台层区分三种形态:数智分身(个人助理,权限跟随个人)、数智员工(岗位角色,权限跟随岗位)、数智团队(协同编排,权限按任务分解)。三种形态的授权模型不同,但都遵循同一条原则——权限来自业务角色,不来自技术便利。

02 授权层:让权限沿调用链可收敛

智能体调用技能,技能调用工具,工具访问数据。权限沿这条链传导,如果每一层都默认继承上一层的全部权限,末端就会拿到远超需要的权限。这是"权限放大"问题。

解决思路是逐层收敛:每一层只拿完成任务所需的最小权限,且带上有效期与使用条件。技术上体现为三点——任务级授权(授权绑定具体任务而非永久有效)、条件约束(限定数据范围、时间窗口、调用频次)、可撤销(任务结束即回收)。

配套的是技能安全审查。第三方技能装进来之前要过审查:它申请了什么权限、会访问什么数据、有没有外发行为。没有这道审查,接入一个技能等于接入一个未知风险。

03 审计层:全链路留痕与可追溯

安全的最后一环是审计。要求很明确:每一次访问和调用都要留下可回溯的记录,且记录要能串成链——谁发起的、经过哪些智能体、用了什么技能、访问了哪些数据、返回了什么、是否触发过审批。

工程上要注意三件事。一是日志完整性,不能因为异步、批量、失败重试而丢记录;二是防篡改,关键操作记录需要写入不可随意修改的存储;三是可检索,审计的价值在于事后能查,字段设计要支持按人、按时间、按数据对象、按智能体多维检索。

还有一层常被忽略:密钥与凭证保护。智能体调用外部系统需要凭证,凭证如果以明文存在配置里,等于把钥匙挂在门上。平台层应当提供凭证托管与动态获取,智能体只拿临时凭据。

05 三个高频越权场景与处置

场景一:员工离职,智能体还在跑。处置要点是把智能体身份与人员状态绑定,人员状态变更时触发权限重算,而不是等下一个审计周期。

场景二:技能升级带来权限扩张。第三方技能从 1.0 升到 2.0,可能新增了数据访问范围。处置要点是技能版本变更强制重审,未通过审查的新版本不得上线。

场景三:测试环境的智能体连到生产数据。开发图方便,把生产库地址填进测试配置。处置要点是数据源白名单加环境标签,跨环境访问在网关层就拦掉。

06 三层的组合效应

单有身份,只能知道是谁;单有授权,只能限制能做什么;单有审计,只能事后追溯。三层合起来才形成闭环:身份确定主体,授权划定范围,审计验证行为。任何一次越权尝试,都能在审计链上留下痕迹;任何一次权限调整,都能追溯到决策依据。

这套东西做起来不性感,没有演示效果,但它决定了企业敢不敢把核心系统接进来。智能体的能力上限由模型决定,可信上限由安全边界决定——而企业愿意交给它的活,永远不超过可信上限。