知识卡片：企业 AI 智能体的动态能力范围界定：一个合成数据集与三源权限架构

英文标题：Dynamic Capability Scoping for Enterprise AI Agents: A Synthetic Dataset and Three-Source Permission Architecture
英文关键词：Enterprise AI Agents; Dynamic Capability Scoping; Least-Privilege Principle; Three-Source Architecture; Synthetic Dataset; Permission Taxonomy

一句话结论

本文主张企业 AI 智能体的权限应遵循动态最小权限原则（作为预防机制而非检测机制），设计了一个包含角色上限、任务上下文分类器和策略组合禁止的三源权限架构，并贡献了一个 600 条合成任务提示数据集用于评估该架构。

研究问题

企业 AI 智能体通常在配置时授予静态凭证集，持有角色可能需要的所有工具，导致持久权限过剩，扩大了攻击面。本文的核心问题是如何实现动态的、最小化的能力范围界定，以在攻击发生前防止凭证滥用。

方法/产品要点

• 三源权限架构：
  • 角色上限：基于角色设定权限天花板；
  • 任务上下文分类器：根据当前任务上下文动态判定所需权限；
  • 策略导出组合禁止：基于策略推导出禁止的组合操作。
  • 支持强制执行模式和仅观察模式；后者记录与任务上下文不一致的权限请求，可作为行为信号用于对齐研究。
• 合成数据集：
  • 包含 600 条企业任务提示，基于多部门公司策略，使用 15 种权限工具分类法标注最低所需权限；
  • 两通道生成管道：提示生成与权限标注分离以避免循环；
  • 经 60 条记录/688 个决策的人工验证，Cohen’s κ 从审查前 0.917 提升至审查后 0.967。

主要结果/产业意义

• 数据集与策略的迭代过程将上限违规从 46 降至 3，降幅达 93%。
• 表明合成提示生成可以与策略细化协同发展，为动态范围界定机制的评估提供基础。
• 数据集、环境规范与生成管道已公开发布。

为什么重要

该工作将权限管理从静态授权转向动态预防，填补了企业 AI 智能体安全中“最小权限原则”在实践层面的缺失。其合成数据构建方法也可用于其他安全策略的自动优化。

局限与不确定性

• 数据集完全为合成生成，其分布与企业真实场景的差异待核实。
• 三源架构仅以论文形式提出，实际部署效果待核实。
• 仅包含 600 条提示，规模较小，泛化能力待核实。

可用于图书/PPT/简报的角度

• 强调“最小权限”在 AI 智能体安全中的核心地位，与静态授权对比；
• 展示合成数据在安全策略制定中的反向驱动作用；
• 介绍三源架构的层次化防御思路，适合作为企业 AI 治理案例。

原始材料

• 论文标题：Dynamic Capability Scoping for Enterprise AI Agents: A Synthetic Dataset and Three-Source Permission Architecture
• arXiv ID：2607.22445v1
• 作者：Halil Burak Noyan
• 发布日期：2026-07-24
• URL：https://arxiv.org/abs/2607.22445v1
• 类别：cs.AI, cs.CR