ZeroTrust之后:动作级信任正在形成"

admin 2026-10-20 13:15:06 网络安全文章 来源:ZONE.CI 全球网 0 阅读模式

cover_image

Zero Trust 之后:动作级信任正在形成

原创

木火纪
木火纪

木火纪

2026年6月26日 14:49
浙江

在小说阅读器读本章

去阅读

引言

Zero Trust 的核心思想是“不信任任何默认访问”,它在传统企业架构中解决了边界消失后的访问控制问题。

但在 AI Agent 与 API 自动化快速普及之后,系统行为结构发生变化:安全风险不再主要来自“谁在访问”,而是来自“系统在被访问之后执行的动作链”。

安全控制的粒度正在下沉,从身份与会话走向更细的执行单元:动作(Action)


Zero Trust 的结构性限制

Zero Trust 的设计建立在一个隐含前提:

系统行为是由“用户请求”驱动的

因此其控制链路是:

  • • 身份认证(Identity)
  • • 设备信任(Device)
  • • 会话授权(Session)
  • • 资源访问(Resource)

这个模型成立的原因是:

系统行为是离散的、可控的、以用户为中心的。

但在 AI Agent + API 驱动系统中,这一前提正在失效。

一个请求可能演化为:

  • • AI Agent 拆解任务
  • • 多个 API 自动执行子步骤
  • • 跨系统链式调用完成结果

因此问题发生了变化:

安全风险不再集中在入口,而是分布在执行链路中间


信任单位的迁移

传统 Zero Trust 的信任单位是:

  • • 用户
  • • 设备
  • • 会话(Session)

这些单位的特点是:静态、一次性、边界清晰

但在现代系统中,风险来源变成:

  • • API 调用
  • • Tool 调用
  • • Agent 执行步骤

这些单位的特点是:动态、连续、不可预知组合

因此信任单位发生变化:

从“身份可信”变为:

执行可信(Execution-level Trust)


Action Trust 的技术内核

虽然“Action Trust”不是标准术语,但其对应的技术路径已经收敛为三类能力:


逐动作授权(Per-Action Authorization)

传统模型:

用户登录 → token → 持续使用权限

问题是:权限在整个 session 生命周期内默认有效

在动作级模型中:

每一次 API / tool call 都触发独立授权判断

授权依据不再是“身份”,而是:

  • • 当前上下文
  • • 请求内容
  • • 行为意图
  • • 历史行为路径

运行时策略执行(Runtime Policy)

传统 Zero Trust:

策略在访问前判断(静态规则)

动作级模型:

策略在执行瞬间动态计算

例如同一 API:

  • • 正常路径 → 允许
  • • 异常链路 → 拒绝
  • • 高风险上下文 → 二次验证

因此策略从规则系统变成:

动态决策系统


行为链感知(Behavioral Chain Awareness)

这是传统模型最难覆盖的部分。

因为现代攻击往往不是单点行为,而是:

  • • 多 API 组合
  • • 多工具协同
  • • 自动化执行链路

例如:

一个单独 API 请求是合法的,但组合后可能形成:

数据读取 → 处理 → 外传的完整攻击路径

因此系统必须识别:

行为是否构成链式风险,而不是单点是否合规


为什么这是必然演进

当系统具备以下特征时:

  • • 行为可自动链式执行
  • • AI 可替代决策过程
  • • API 成为主要交互方式

传统 Zero Trust 会出现三个盲区:

  • • 只控制入口,不控制过程
  • • 只判断权限,不理解组合行为
  • • 只看单次访问,不看行为路径

因此攻击策略也会变化:

攻击者不再突破身份,而是构造合法动作链


从身份模型到行为模型

旧模型:

谁可以访问系统

新模型:

某个动作是否可以在当前上下文发生

关键变化是:

权限不再属于“人”,而是绑定在“动作执行瞬间”


系统能力要求

围绕动作级信任,系统必须具备三类基础能力:


全链路可观测

必须能够记录:

  • • API 调用
  • • Tool 调用
  • • Agent 执行路径

否则无法还原行为链。


实时决策能力

必须在毫秒级完成:

  • • 上下文解析
  • • 风险判断
  • • allow / deny / step-up 决策

动态控制能力

必须支持:

  • • 单动作阻断
  • • 链路中断
  • • 权限动态收缩

Zero Trust 的下一阶段

Zero Trust 解决的是:

谁可以访问系统

而新问题变成:

访问之后,每一个动作是否可信

因此模型自然演进为:

身份可信 → 会话可信 → 动作可信


结语

Zero Trust 并没有被替代,而是在新的系统结构下被进一步拆解。

当系统从“人驱动”转向“AI + API驱动”之后,安全问题的核心不再是入口控制,而是执行控制。

未来的安全体系,会持续关注一个更细的问题:

每一个正在发生的动作,是否应该被允许执行


ZeroTrust之后:动作级信任正在形成" 网络安全文章

ZeroTrust之后:动作级信任正在形成"

本文探讨了在AIAgent与API自动化普及背景下,传统ZeroTrust模型的结构性限制,指出安全风险从访问入口转移到执行链路中间。文章提出动作级信任(ActionTrust)作为演进方向,其技术核心包括逐动作授权、运行时策略执行和行为链感知。系统需具备全链路可观测、实时决策和动态控制能力,以实现从身份模型到行为模型的转变。
GitLab安全更新修复13个漏洞" 网络安全文章

GitLab安全更新修复13个漏洞"

GitLab于2026年6月24日发布安全更新,修复了社区版和企业版中的13个漏洞,包括CVSS评分高达8.7的严重漏洞。受影响版本包括19.1.1、19.0.3及18.11.6之前的系列,部分漏洞可追溯至8.3版本。漏洞涉及客户端代码执行、路径验证不当及授权绕过等风险,建议管理员立即升级至最新版本以防范数据泄露和会话劫持。
记某edusrc登录框挖掘&&简单突破" 网络安全文章

记某edusrc登录框挖掘&&简单突破"

该文档记录了作者对某教育SRC登录框的渗透测试过程,通过信息收集发现若依框架系统,尝试绕过图形验证码未果后转向接口测试和目录扫描,最终发现帆软报表系统存在未授权访问漏洞。利用双重URL编码绕过WAF过滤成功读取目录,并展示了AI辅助渗透测试的效率优势。文档后半部分主要为作者安全知识库和培训服务的广告推广。
【开源】A.I.G发布Agent安全演习SKILL" 网络安全文章

【开源】A.I.G发布Agent安全演习SKILL"

朱雀实验室发布开源A.I.GAgent安全演习SKILL,系统梳理AI安全演进三阶段:基础设施漏洞(如vLLMCVSS9.8分漏洞)、工具滥用导致代码执行、业务权限滥用引发数据泄露。针对AIAgent安全威胁,推出轻量级蓝军演习方案,支持一键检测越狱、间接注入、工具滥用等风险,提供本地化报告与修复建议,助力开发者在生产环境前发现组合攻击风险。
评论:0   参与:  0