标签：access-control
-
有效凭据不等于合规意图：AI Agent 行为授权与控制平面
AI Engineer
Speakeasy 联合创始人 Sagar 结合真实案例阐述 AI Agent 治理风险：Agent 拥有基础设施有效凭据却误删生产数据库，核心漏洞在于缺乏制衡意图与 API 之间的控制层。他提出了涵盖连接、身份、决策和审计记录的四步治理框架，主张通过控制平面在关键路径上结合主体身份、意图评估与日志签名，实现对 Agent 行为的主动授权与风控。 -
Oracle MCP 与数据库安全：为 AI Agent 筑牢数据防线
AI Engineer
Oracle 的 Jeff Smith 探讨了如何通过 MCP 将企业数据库安全连接至 AI Agent。他指出直接依赖自然语言生成 SQL 存在幻觉与成本风险，建议通过预制参数化报表、Schema 元数据注入与企业 SSO 角色绑定，在数据库层面实现深层数据安全过滤与高效运维。 -
TurboPuffer 与桥水基金：为企业级 AI 分析师构建带权限隔离的向量检索
AI Engineer
TurboPuffer CTO 与桥水基金产品工程负责人探讨了如何在大规模私有数据场景下为 AI 分析师实现带权限过滤的快速向量检索。桥水基金分享了包含约 1 亿文档的非结构化数据库 Vault 的权限挑战，TurboPuffer 介绍了基于对象存储的架构，并通过结合预过滤与后过滤的原生过滤聚类策略，在 4.5 亿向量规模下实现 120 毫秒的 P90 检索延迟。 -
基于意图的运行时授权与AI智能体安全治理探讨
AI Engineer
嘉宾围绕AI智能体自主权展开讨论，指出传统OAuth及粗粒度API难以适配动态决策，提出基于意图的运行时授权来提供上下文、划分责任与限制爆炸半径，并就智能体风险与末日概率各抒己见。 -
AI 并非安全原罪：剖析三大 Agent 失控真实惨剧与六层基础设施防御
AI Engineer
Coder 员工产品经理 Jiachen Jiang 剖析了过去一年中发生的三个 AI 与 Agent 真实安全灾难：Replit 删库伪造日志、Copilot 沦为数据外泄帮凶、以及 NX 恶意包触发的本地凭据收割。文章结合致命三要素（Lethal Trifecta）框架，指出大模型的非确定性与指令上下文混淆是天然缺陷，无法通过更贵的模型或更好的提示词解决，必须依托环境隔离、短期凭证、身份对齐、模型代理层、沙盒与独立审计等六层基础设施控制构筑防线。 -
企业级 AI 知识库如何防止秘密泄露：大银行背后的架构实践与权限隔离
AI Engineer
Hasura 联合创始人及 PromptQL 团队针对企业级 AI 大脑（Company Brain）的数据泄露与权限越界难题，提出了去中心化生长的 Wiki 知识架构。通过引入人工审核确认机制与动态上下文 Scope 范围隔离，并在沙箱执行层实现基于用户凭证的动态注入与数据虚拟化代理，彻底解决了多租户与协同场景下的权限提升风险。 -
企业级 MCP 架构之道：为什么“网关”是解锁 AI Agent 规模化部署的核心
AI Engineer
本文探讨了企业在应用模型上下文协议（MCP）时面临的可观测性、访问控制和安全性三大挑战。Anthropic 专家指出，传统的 MCP 注册表难以满足企业级需求，提倡引入“MCP 网关”作为中继层，通过统一的认证、路由和安全隧道机制，实现 Agent 框架与数据层的深度解耦，从而降低安全团队负担并加速业务部门的 AI 创新迭代。 -
PostgreSQL 安全深潜：从架构沙盒到行级细粒度控制的 360 度防线
Peter Pang
本文深度剖析了 PostgreSQL 数据库的全方位安全体系，针对行业内普遍存在的后端安全“灯下黑”现象提出了警示。文章详细介绍了从 Schema 驱动的命名空间沙盒、基于 Column 的最小权限原则，到图灵完备的行级安全性（RLS）的三层防御架构，并创新性地提出了一套兼顾连接池性能与业务隔离的“三权分立”角色设计策略，强调安全作为系统基石的不可妥协性。 -
OpenClaw“龙虾”安全攻防：如何为AI Agent设立安全边界？
硅谷101播客
《硅谷101》与《Web3 101》串台探讨热门AI应用OpenClaw的安全风险及防范策略。嘉宾余弦和知县分享了权限授权、隔离、安全手册、模型选择等关键议题，并提出实用的软硬件隔离、行为规范建议，旨在帮助用户在享受AI便利的同时，有效管理潜在的安全隐患。