ACCA 论文提出基于证据条件的自主 AI Agent 持续授权机制

该论文提出 Assurance-Conditioned Continuous Authorization (ACCA) 框架，旨在解决自主软件 Agent 在执行工具调用、任务委托或修改模型及执行环境时，早期授权仍在进行中的权限失效问题。ACCA 将证据有效性（evidence validity）与上下文适用性（contextual applicability）区分开来，从合格证据中推导保证声明，并在主体声明的天花板和适用策略内解析多维度的有效授权包络。

实现层面，该框架利用类型化依赖图支持对授权相关变更的选择性重评估，当有效授权发生变化时触发新的授权周期。其核心机制包含受保护的效果时间强制执行，可在实质性资源变更发生前拒绝过时动作。此外，通过组合式领域治理配置文件表达特定领域语义而不直接授予权限，并在交易场景的回归测试套件中验证了默认拒绝规则、基于证据的条件收缩与恢复、策略分歧处理、选择性无响应以及本地网关处的过时动作拒绝等能力。

需要明确的是，这是一项单领域的实施级证据研究，仅在交易场景中建立了具体实现层面的验证，并不构成跨域防止有害行为的通用保证。该工作主要贡献在于提供了在复杂动态环境中维持操作权威的理论架构与工程路径，而非直接解决所有安全风险。