ABAC
一种访问控制模型，将身份、资源、操作、环境上下文作为动态变量组合判断访问合法性，相比RBAC能更细粒度地控制权限，适合复杂动态授权场景
时间轴 (近 90 天)
结合RBAC或ABAC根据Agent当前任务上下文动态计算可用权限集合，能显著降低Agent被提示注入攻击后的横向移动风险
确定性规则在技术实现上通常对应访问控制列表（ACL）、基于角色的访问控制（RBAC）或基于属性的访问控制（ABAC）等模型
Agent系统的合理授权做法是分层组合：用RBAC或ReBAC定义资源边界，用ABAC补充上下文条件，再用意图层做动态收窄
ABAC比RBAC灵活，但策略的复杂度和调试难度显著上升，权限可预测性下降
ABAC（基于属性的访问控制）通过评估主体、资源、操作和环境的属性来做访问决策
相比基于角色的访问控制（RBAC），ABAC能更细粒度地表达智能体在执行特定任务时的访问权限
跨引擎治理的理想架构应包含统一的元数据目录、基于RBAC或ABAC的集中式权限控制、以及贯穿全链路的审计能力
RBAC将权限绑定到预定义角色，ABAC基于用户、资源和环境属性动态计算权限，两者都难以精确描述AI Agent的动态权限需求
传统RBAC或ABAC模型难以精确描述AI Agent的动态权限需求
ABAC基于属性的访问控制通过评估主体属性、客体属性、环境属性和操作类型来做决策,灵活性远超RBAC但复杂度也大幅增加
还有 5 条时间轴事件
全部知识事实 (15)
传统RBAC或ABAC模型难以精确描述AI Agent的动态权限需求
60%待验证结合RBAC或ABAC根据Agent当前任务上下文动态计算可用权限集合，能显著降低Agent被提示注入攻击后的横向移动风险
50%待验证确定性规则在技术实现上通常对应访问控制列表（ACL）、基于角色的访问控制（RBAC）或基于属性的访问控制（ABAC）等模型
50%待验证Agent系统的合理授权做法是分层组合：用RBAC或ReBAC定义资源边界，用ABAC补充上下文条件，再用意图层做动态收窄
50%待验证ABAC比RBAC灵活，但策略的复杂度和调试难度显著上升，权限可预测性下降
50%待验证ABAC（基于属性的访问控制）通过评估主体、资源、操作和环境的属性来做访问决策
50%待验证相比基于角色的访问控制（RBAC），ABAC能更细粒度地表达智能体在执行特定任务时的访问权限
50%待验证跨引擎治理的理想架构应包含统一的元数据目录、基于RBAC或ABAC的集中式权限控制、以及贯穿全链路的审计能力
50%待验证RBAC将权限绑定到预定义角色，ABAC基于用户、资源和环境属性动态计算权限，两者都难以精确描述AI Agent的动态权限需求
50%待验证ABAC基于属性的访问控制通过评估主体属性、客体属性、环境属性和操作类型来做决策,灵活性远超RBAC但复杂度也大幅增加
50%待验证基于角色的访问控制(RBAC)难以表达'只有文章作者本人才能删除自己的文章'这类规则,这催生了基于属性的访问控制(ABAC)
50%待验证两层访问模式融合了RBAC和ABAC权限模型,同时引入时间维度(令牌时效)和行为维度(操作类型限制),形成适合Agent场景的新型权限范式
50%待验证最小权限原则要求每个用户或服务仅被授予完成特定任务所需的最低限度权限，实践中需配合RBAC、ABAC及定期权限审计落实
50%待验证以家庭为单位的健康应用若缺乏细粒度隐私控制反而可能成为家庭矛盾的导火索，需要 RBAC/ABAC 等访问控制机制并考虑代理同意与监护权等法律议题
50%待验证ABAC（基于属性的访问控制）可通过OPA（Open Policy Agent）等策略引擎动态评估多维度条件，实现RBAC静态角色绑定无法实现的动态决策
50%