研究揭示Agent工具授权存在不可比最小权限集
先了解这件事
2026年10月26日,微软与Google联合研究团队在arXiv发布论文,指出AI Agent工具授权中存在不可比的最小权限集问题。测试显示,Microsoft Graph API中约29.8%至33.3%的任务、Google API中约3.2%的任务,其满足条件的授权集合构成反链,任意两个授权互不包含,导致不存在唯一的“最小充分授权”。这意味着传统基准问题在这些场景下无解。研究进一步发现,Microsoft的privilegeLevel机制影响了约67.4%至74.4%的权限判定逻辑。该成果揭示了当前权限模型在复杂任务中的局限性。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道,了解事件的不同侧面。
- arXiv cs.CR微软与 Google 授权表中近三成任务的最小权限集不可比且缺乏独立排序
这篇论文通过测试 Microsoft Graph 和 Google API 的授权表发现,在生成任务的 29.8% 至 33.3%(Graph)及 3.2%(Google)中,不存在唯一的“最小充分授权”,因为满足条件的授权集合构成反链,即其中任意两个授权互不包含。这意味着传统的“哪个授权更小”的基准问题在这些场景下没有答案。 研究进一步指出,Microsoft 的 privilegeLevel 机制将约 67.4% 至 74.4% 的此类不可比对视为相等,而 Google 虽无内置分级,但基于 FORTIS 梯度的重构模型仍将其中的 90.7% 至 98.7% 判定为相等。更关键的是,当使用操作数、写入量、服务覆盖度或管理面四个风险指标对不可比对进行排序时,有 15.7% 至 28.7% 的案例会出现排序方向相反的情况,证明不存在独立于具体指标的客观最优解。尽管前沿模型在 1,708 次决策中 99.0% 选择了最小授权,但仅有 66.7% 的选择在所有四个指标下均为最优,22.1% 的选择被其他选项在所有指标上持平或超越。 事实层面确认了现有企业级授权架构在数学上的非全序性;推断表明当前依赖单一“最小化”目标的评测基准可能掩盖了实际部署中的权衡困境;猜测认为若不在部署环节向审批者展示替代方案,仅报告单一选择可能导致过度简化的安全决策。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。