什麼是 AI Agent 身份暗物質？

AI Agent 正在創造大量「身份暗物質」（Identity Dark Matter）——強大、無處不在卻完全未受管理的非人類身份（Non-Human Identity, NHI）。根據 Gartner 人工智慧研究（Gartner AI Research）的預測，到 2028 年企業平均每週將使用超過 30 個 AI Agent，而這些 Agent 都需要存取 API、資料庫、內部系統的憑證。問題的核心在於：現有 IAM 系統幾乎完全針對人類用戶設計，完全無法應對 AI Agent 的身份管理需求。

當開發團隊為了快速部署而給予 Agent 過度權限的 API 金鑰，且這些憑證既不會定期輪換，也無法像人類一樣接受多因素認證時，攻擊者只需取得一個 Agent 憑證，即可橫向移動至整個企業基礎設施。這就是「身份暗物質」的危險之處——它們存在、運作、擁有強大能力，卻在企業的安全雷達下完全隱形。

AI Agent 身份管理的四大風險面向

企業在部署 AI Agent 時，面臨的身份安全風險可以歸納為以下四個面向：

  • 過度權限風險（Over-privilege）：開發階段為求便利，賦予 Agent 的 API 金鑰往往具備完整系統存取權限，而非基於任務需求的最小權限。
  • 憑證靜態化風險（Static Credentials）：AI Agent 的 API 金鑰通常在部署後終身有效，沒有自動輪換機制，長期暴露於被盜用風險中。
  • 認證缺口風險（Authentication Gap）：傳統 MFA（多因素認證）僅適用於人類用戶，AI Agent 無法進行驗證，形成認證斷層。
  • 行為監控缺失（Behavioral Blindness）：現有安全工具無法建立 Agent 行為基線，異常存取模式難以偵測。

零信任原則下的 Agent 身份治理框架

基於零信任（Zero Trust）的「永不信任，始終驗證」原則，企業應建立專屬 AI Agent 的身份治理框架，包含以下四大支柱：

  1. 最小權限設計（Least Privilege）：每個 Agent 僅授予完成特定任務所需的最低權限，使用權限邊界（Permission Boundary）限制其活動範圍。
  2. 憑證自動輪換（Automatic Credential Rotation）：API 金鑰應設定有效期（建議不超過 24 小時），並透過自動化機制定期更換。
  3. Agent 行為基線監控：建立每個 Agent 的正常行為模式，偵測異常存取時間、頻率、資料範圍等偏移。
  4. 即時存取評估：每次 Agent 發出請求時，即時驗證其身份、權限、上下文風險分數，決定是否放行。

Claude Constitutional AI 防止 Agent 越權

除了技術面的治理框架，AI 內在的安全約束機制同樣重要。Claude Constitutional AI（憲法人工智慧）提供了一種「價值觀層」的防護機制——在 Agent 執行任何操作前，先由內建的原則層進行合法性審查。根據史丹佛大學以人為本人工智慧研究所（Stanford HAI）的研究，這種內建約束機制可有效減少 80% 以上的無意越權行為。

企業可自定義憲章原則，例如：

  • 禁止存取非任務相關的資料庫表格
  • 禁止修改系統核心配置
  • 禁止將資料傳輸至未授權的外部端點

實作步驟：企業 AI Agent 身份安全管理

以下是企業建立 AI Agent 身份安全治理的具體操作步驟：

# 步驟 1：建立 Agent 身份清單
# 掃描並記錄所有 AI Agent 及其持有的憑證
AGENT_INVENTORY = []
for agent in deployed_agents:
    AGENT_INVENTORY.append({
        "agent_id": agent.id,
        "credentials": agent.api_keys,
        "permissions": agent.access_scope,
        "last_rotated": agent.key_rotation_date
    })

# 步驟 2：實施最小權限審查
def enforce_least_privilege(agent):
    required_permissions = analyze_task_requirements(agent.task)
    current_permissions = agent.access_scope
    
    # 移除超出任務需求的權限
    excess = set(current_permissions) - set(required_permissions)
    for perm in excess:
        revoke_permission(agent.id, perm)
    
    return agent

# 步驟 3：設定自動憑證輪換排程
def schedule_rotation(agent, rotation_period_hours=24):
    schedule_job(
        func=rotate_api_key,
        args=[agent.id],
        trigger="interval",
        hours=rotation_period_hours
    )

# 步驟 4：啟用行為基線監控
def detect_anomaly(agent, request):
    baseline = get_behavior_baseline(agent.id)
    risk_score = calculate_risk(request, baseline)
    
    if risk_score > THRESHOLD:
        block_request(agent.id, request)
        alert_security_team(agent.id, risk_score)

結論：將 AI Agent 身份納入企業資安版圖

AI Agent 的「身份暗物質」問題不會隨著技術成熟自動消失。根據國際電氣電子工程師學會（IEEE）發布的 AI 倫理標準（IEEE 7000），企業有責任對所有 AI 系統——包括非人類身份——建立完整的問責機制。隨著 AI Agent 數量爆發成長，現在正是企業將 AI Agent 身份管理納入整體資安策略的關鍵時機。採用零信任框架、實施最小權限原則、建立行為監控機制，並結合 Constitutional AI 的內在約束，才能真正駕馭這股無法忽視的資安新挑戰。