信息流日报vellum

给智能体装一扇更小的门：Agent Access Model

2026年8月5日Cloudflare原文

本文探讨了在代理（Agent）软件主体日益普及的背景下，现有以人类为中心的零信任访问控制模型（如BeyondCorp）所暴露出的局限性。

文章提出了一种专为代理设计的访问模型——代理访问模型（Agent Access Model, AAM）。

企业安全十年都在做零信任，但零信任预设的主体是人——人在设备前、以人速行动。智能体是软件主体，跑得快、活得更久、权限容易给多。Cloudflare 提出 Agent Access Model：不追求每次判断更聪明，而是先把智能体的能力做小。

以 OpenAI 越权事件为触发，Cloudflare 访问控制与身份感知解释机制与察觉，Erdős 难题与开放式研究实测划定自主边界，谷歌压力测试与 DeepMind 人事地震收束组织与人。

如果你想理解失控为什么难防的机制层面——为什么为人类设计的权限系统套不住智能体——这篇给出了一个可落地的设计答案。

帮助读者理解当前为人类设计的零信任安全框架在应对自主AI代理时的根本性缺陷，并了解一种为代理量身定制的新型访问控制模型（AAM）的核心理念与设计思路。

2026年8月5日Cloudflare原文

本文介绍了Cloudflare推出的一项新功能，旨在帮助企业识别AI使用中的异常行为，解决AI账单不透明和治理知识空白的问题。

文章指出，了解“谁在用AI做什么”是当前企业面临的关键挑战，并援引斯坦福报告称知识空白是负责任AI治理的最大障碍。

失控不一定以黑客事件出现，更多时候藏在账单里：某个智能体用量突增十倍，你却不知道它是谁。Cloudflare 把身份关联进每个 AI 请求，为每个人和每个智能体建立行为基线，偏离即报警。

如果你想看失控如何被察觉的工程细节——身份加基线加异常检测——这篇是现实中的落地方案。

帮助读者了解企业在AI使用治理中面临的具体挑战（如账单不透明、身份缺失），以及一种通过建立身份关联和行为基线来监控异常、提升安全与成本管理透明度的技术方案。