行情
…

AI Agent 身分驗證是什麼?委派授權、OAuth 與 agent identity 標準

2026 年 6 月 14 日,具身分安全背景的研究者公開指出:AI agent 的認證與授權標準仍在制定中,但各廠商技術實作已快速鋪開,標準確立前的搶先部署正在累積碎片化風險。

AI Agent 身分驗證是什麼?委派授權、OAuth 與 agent identity 標準
目錄

AI Agent 身分驗證是什麼?委派授權、OAuth 與 agent identity 標準

重點摘要

  • 2026 年 6 月 14 日,具身分安全背景的研究者公開指出:AI agent 的認證與授權標準仍在制定中,但各廠商技術實作已快速鋪開,標準確立前的搶先部署正在累積碎片化風險。
  • Agent 身分有兩個核心問題:agent 絕不應持有或傳遞可再認證的金鑰材料;授權範圍必須細粒度、時限化,且能依任務當下情境動態調整。
  • Workload Identity Federation(工作負載身分聯合)等技術已能部分解決第一個問題;AAuth 協議與 IETF 相關工作流程正處理第二個,但兩條線同時跑的狀態對工程師的選型決策有直接影響。

2026 年 6 月 14 日,一位長期與 Microsoft Identity 團隊在標準工作群協作的身分安全研究者,在部落格發文提出警告:AI agent 的身分認證與授權標準尚未落地,但各家廠商的技術實作已快速鋪開。他指出,標準工作本來就慢,但 agent 領域如今有一種少見的緊迫感,這本身就不尋常。他的核心觀點是:agent 時代的下一個基礎設施缺口,正是身分(identity)與授權(authorization)本身,而多數工程師還沒意識到問題的結構有多深。

Agent 身分問題是什麼,為什麼現在才急迫?

OAuth 2.0 和 OIDC(OpenID Connect,開放身分連接協議)重塑了整個 web 的安全架構,解決了「人如何授權服務存取其資源」的問題。但 AI agent 帶來了一個結構上根本不同的情境:不是人在做授權決定,而是軟體在替人做事,跨多個系統、多個步驟,甚至多個子 agent 串接完成一個任務。

傳統 OAuth 授權流程的設計假設有一個人站在同意視窗前點擊「允許」,授予應用程式特定範圍的存取權。一個自主執行任務的 agent,收到使用者的原始指令之後,可能需要即時向多個 API 發請求、串接多個工具、甚至派生子 agent。每個環節的授權需求,都是動態的、情境相依的,不是可以在最初同意時完整預設的。這個差距把舊有授權模型的理論設計缺陷,拉成了具體可被攻擊的漏洞。

OAuth 本身也走了很多年才成熟,標準遲緩不是新鮮事。但這位研究者指出,agent 技術的部署速度遠快於標準制定的節奏,這種技術超前標準的非同步狀態,本身就是結構性風險。每一個今天落地的實作,都在為未來的碎片化奠基。

兩大核心挑戰:金鑰不能傳,授權不能靜態

這個缺口有兩個具體的層次,分別對應不同的技術難度。

第一個:agent 絕對不應該持有、接收或傳遞可用於後續認證的金鑰材料(key material)。如果 agent 本身能用來認證,任何充當金鑰中繼的中介服務就成了攻擊者的高價值目標。他以目前正在實作的 Entra Agent ID 作為具體對照:這個機制讓 agent ID 只能作為「被委派者」(delegate)存在,本身沒有認證能力。即使 agent ID 洩漏,攻擊者拿到的也只是無法自行認證的識別符,沒辦法直接冒充。Entra Agent ID 把「agent 不持有金鑰」從原則落地成具體機制。

第二個挑戰的難度更高:授權範圍需要細粒度、時限化,且能依任務當下情境自適應。現行的 OAuth 同意流程,授予範圍通常比 agent 實際需要的還廣。原因不複雜:在 agent 開始工作前,你幾乎不可能完全預知它的每一步需要存取什麼。研究者指出,工程師的常見解法是「給一個比較寬的範圍,之後再調整」,但「之後再說」幾乎等於「永遠不撤銷」。寬授權加上不撤銷,就是今天 agent 授權問題的基本形態。這比第一個問題更難:它需要運行時的情境感知,架構設計時無法一次解決。

現有技術能解多少?Workload Identity Federation 與 AAuth 的位置

好消息是,第一個問題今天已有技術路徑可以處理。Workload Identity Federation(工作負載身分聯合,WIF)是其中主要的一條。Anthropic 在其技術文件中記載了對 WIF 的支援,但這位研究者指出,Anthropic 在《Zero Trust for AI Agents》白皮書中沒有明確提到這項技術。他認為白皮書整體方向值得肯定,但在這類技術細節上有落差,是可惜的。

Dick Hardt 也對這份白皮書提出了公開批評,這位研究者強烈推薦 Hardt 的文章,視之為理解 AI 開發者與身分安全領域之間認知落差的最佳入門。這個落差並非修辭上的說法:兩個社群對「agent 需要什麼樣的授權機制」的理解,起點就不同,而這份起點差異,正是碎片化的深層成因之一。Hardt 目前也在推動 AAuth 協議的制定,這個協議與 IETF(Internet Engineering Task Force,網際網路工程任務組)多個工作流程有相當程度的重疊,核心關切正是第二個挑戰:如何把授權從靜態的允許或拒絕,推進到能依任務情境動態調整、細粒度、有時限的設計。

這些努力目前仍在制定階段,AAuth 和 IETF 相關草案都還未完成。技術比標準跑得快,這是整個問題當前最核心的張力。

標準未定、技術先行:碎片化風險有多真實?

當一個基礎設施層的標準還沒確立,而技術已快速落地,最直接的結果通常是:各家廠商發展出自己的解法,等標準出來才發現互不相容,然後開始清理歷史債。Web 安全的歷史裡這個模式並不陌生。

OAuth 2.0 確立之前,各平台的授權機制各行其是,「讓第三方應用存取你的帳號」這件事在不同服務上有完全不同的做法,安全品質也參差不齊。OAuth 2.0 和後續的 OIDC 確立之後,整個 web 在授權這件事上有了共通的底層語言,安全品質隨之大幅提升。這位研究者明確表達的判斷是:在身分安全領域,沒有比 OAuth 2.0 和 OIDC 的出現對 web 安全改善更大的事了。

agent identity 標準有機會扮演同等角色,但這個機會窗口是有時限的。每一個搶先落地的廠商自訂實作,都在為未來的碎片化添磚。對正在構建 agent 產品的創業者,這是雙向的風險:選錯了基礎授權架構,在標準確立後可能面臨大幅重構;但如果現在就對齊正確方向,例如優先採用 WIF 而非廠商自訂的金鑰傳遞機制,提前對齊正確方向本身就是安全架構投資,不必等碎片化後果出現才回頭重構。

agent identity 標準的制定現在是 IETF 和業界技術社群的活躍議題,但還沒有進入主流工程師的日常關注。AAuth 協議的進展、IETF 相關工作群的草案動向,是值得提早追蹤的切入點。OAuth 2.0 當年的教訓很清楚:等到標準普及再學習,通常已經是在修補選型錯誤的舊債。

常見問題

  • Agent 為什麼不能直接持有 API 金鑰做認證?

如果 agent 持有可再認證的金鑰材料,任何充當中繼的中介服務就成為攻擊者的高價值目標,一旦金鑰洩漏,攻擊範圍可以直接擴展到所有 agent 有權存取的服務。正確的設計方向:agent 只作為被委派者,本身沒有自行認證的能力。Entra Agent ID 朝這個方向設計。

  • Anthropic 的 Zero Trust 白皮書被批評在哪?

根據這位研究者的觀察,Anthropic 在其他技術文件中有記載對 Workload Identity Federation 的支援,但在《Zero Trust for AI Agents》白皮書中未明確提及,他認為這是一個具體的技術落差。Dick Hardt 也對白皮書提出公開批評,研究者強烈推薦 Hardt 的文章,認為它能清楚呈現 AI 開發者與身分安全領域之間的認知差距,而這個差距正是碎片化問題的根源之一。

  • AAuth 和 OAuth 2.0 是替代還是延伸關係?

從這位研究者的描述來看,AAuth 針對 OAuth 2.0 無法處理的動態授權需求,與 IETF 多個工作流程高度重疊,兩者並非替代關係。不過 AAuth 仍在制定中,它與 OAuth 2.0 的確切關係需要持續追蹤 IETF 工作群的最新草案才能確認。

標籤

#ai agent 身分#agent identity#委派授權#oauth agent#entra agent id
→

繼續閱讀

查看全部 →
NewsAI 快訊

LegalOn 如何砍 65% Codex 成本?按任務路由 Astra/Sol/Luna 的做法

LegalOn 把 Codex 的 Astra、Sol、Luna 按任務分工,日費估算砍 65%、速度持平

DeltaMedia 編輯部2 分鐘
NewsAI 快訊

用 AI agent 自己蒸餾小模型:16 美元做一個 0.8B 模型的完整做法

2026 年 10 月 8 日,Hugging Face 部落格記錄一位開發者透過 ML Intern 將 Qwen-Image 2.1 的 9B 提示詞改寫器蒸餾成 0.8B 版本,從下達需求到取得可部署模型只花了一天。

DeltaMedia 編輯部5 分鐘
NewsAI 快訊

AI 推理成本為何史上下降最快?Epoch 數據與 20 億 AI agent 的算力帳

截至 2027 年出貨的 AI 晶片,理論上可同時支撐 3000 萬至 1.7 億個前沿模型智慧代理不間斷執行,換算全職工時約等同於 1.4 億至 7.2 億名全職員工

DeltaMedia 編輯部6 分鐘
NewsAI 快訊

AI 算力狂飆可養活 20 億個 agent,但市場真有這麼大需求?

Epoch AI 研究顯示,截至 2027 年出貨的 AI 晶片可支援 3000 萬至 1.7 億個前沿模型 agent,若改用低成本模型則可達近 20 億個,但需求是否存在仍是開放問題。

DeltaMedia 編輯部7 分鐘