审计发现Learned Access Control硬拒绝集与混合路由失效

这篇来自 arXiv cs.CR 的论文审计了基于学习的访问控制（Learned Access Control）中两个关键人工构建组件：由可信小盾牌执行的硬拒绝集（hard-deny set）和决定请求路由的区域映射（region map）。研究发现，验证盾牌或测量学习者本身都无法验证这两个组件的有效性，且在实际部署中存在严重的静默失效风险。 具体证据显示，在五个公共 ABAC Lab 策略上，忠实转录显式限制的条款在四种提示器（一名作者和三名盲测大模型）下，其无解率高达 0.50-0.70。这是因为自然语言将限制范围限定在特定章节，而授权关系却是所有规则的析取，导致 97% 的反例被其他规则授予。如果未经认证直接发货，这些拒绝集将错误地阻止 16%-78% 本应被允许的内容；经过认证后则能完全避免此问题。此外，混合路由需要两类 abstaining 规则集，但现有的 ABAC 挖掘器并未生成此类规则，且在 24 个单元格中对两种常见排序键的排名均表现为一类问题。 对于加法损失，混合系统与学习者的影响因子分解为覆盖质量乘以规则与学习者的风险对比，必须在假非授予和假许可损失上分别报告。在两个真实策略中，大多数选择规则对这两种损失的判定相反，仅有一个组合在一个策略、一个学习者配置及特定噪声水平下同时有利。事实层面确认了上述失效比例与机制，推断表明当前工业界若直接采用未经验证的 Learned Access Control 方案将面临显著的安全与可用性缺口，猜测则是现有开源工具链可能缺乏针对此类混合架构的自动化验证模块。