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
版权声明
本站仅做备份收录,仅供研究与教学参考之用。
读者将信息用于其他用途的,全部法律及连带责任由读者自行承担,本站不承担任何责任。








评论