模型全链路权限管理

核心主题：AI 资产管理中的权限治理

当大模型、知识库、Skill、MCP Server 这些 AI 资产进入企业之后，如何系统性地管理它们的访问权限？

目录

一、整体框架

主要问题：当大模型、知识库、Skill、MCP Server 这些 AI 资产进入企业之后，怎么管理它们的访问权限？

本文从四个层次递进展开：

层次 核心问题 内容概要
第一层：AI 资产管理 管什么？ 梳理四类 AI 资产及其各自的权限关注点
第二层：权限管理 谁调谁？ 拆解三条权限链路的校验机制与安全设计
第三层：身份分类 谁是调用方？ 区分人类身份与非人身份，选择对应协议
第四层：安全认证方式 怎么验？ 八种认证方式的原理、优劣及在 AI 场景的组合

四层之间的关系：第一层定义"管什么资产"，第二层定义"资产之间的权限链路"，第三层定义"链路中的调用方是谁"，第四层定义"用什么技术手段验证调用方身份"。四层从上到下逐步细化，共同构成完整的权限治理体系

二、第一层：AI 资产管理

企业里的 AI 资产分四类，每类的权限模型不同：

2.1 大模型

谁有权调用哪个模型？是开源模型还是商业 API？调用是否限量（token 配额）？是否允许把敏感数据发给第三方模型？

2.2 知识库

谁有权检索哪个知识库？知识库里的数据有没有分级（公开/内部/机密）？模型检索时是否做了数据脱敏（把敏感内容替换、遮盖、抹除之后再输出给使用者）？

2.3 Skill

谁有权使用哪个 Skill？Skill 内部调用的工具权限是否做了裁剪（权限继承等问题）？

权限继承：指组件内部调用下游服务时，直接使用组件自身服务账号权限执行，而不是使用发起操作的终端用户权限；容易绕过用户权限控制，产生越权漏洞；安全方案是权限透传，下游重新校验原始用户身份。

2.4 MCP Server

谁有权连接哪个 MCP Server？Server 暴露的工具是否做了白名单？Server 的端点是否需要鉴权？

三、第二层：权限管理（三条链路）

在明确了四类 AI 资产之后，需要进一步定义这些资产之间的权限关系。本文将权限关系梳理为三条链路，每条链路解决一类"谁有权调谁"的问题。

3.1 权限链路总览

三条权限链路如下：

  1. 模型 → 知识库/Skill/MCP 的权限：大模型在运行时需要访问知识库（RAG 检索）、调用 Skill（执行任务）、连接 MCP Server（调用工具）。每一步都需要权限校验——不是模型想调就能调，要有明确的授权策略。

  2. Skill → 工具的权限：Skill 内部编排了多个工具调用，每个工具的调用都需要权限校验。前面讨论过的"权限继承问题"就在这里——Skill 不应该继承 Agent 的全部权限，而应该按需分配。

  3. 用户 → AI 资产的权限：最终用户通过 Agent 访问 AI 资产时，需要校验用户是否有权使用这个模型、检索这个知识库、触发这个 Skill。

下面逐一详细拆解每条链路。

3.2 链路一：模型 → 知识库/Skill/MCP

核心目标：控制模型运行时访问下游资源的权限。

实际场景

用户问了一个问题，模型推理过程中需要：

  1. 查知识库（RAG 检索）：用户问"公司Q3的销售数据"，模型需要去知识库检索

  2. 调 Skill：模型判断需要"生成数据报告"，触发对应 Skill

  3. 调 MCP Server 工具：模型需要"查询订单系统"，调用 MCP Server 暴露的工具

这三个动作不是模型自己决定的，是 Host/Agent 在模型输出 tool-use 决策后，代为执行的。所以权限校验的时机是 Host 执行工具调用之前。

权限校验的设计核心：逐层传递用户身份，逐层校验

img

三个子链路详解

模型 → 知识库：

知识库按敏感等级分级（公开/内部/机密），用户角色对应可访问的等级。RAG 检索时，Host 把用户的权限范围传给知识库服务，知识库只返回用户有权访问的文档片段。不是模型检索到什么就用什么，是知识库根据调用者权限做了过滤后再返回。

测试要点：用低权限用户的 JWT 去触发 RAG 检索，验证返回的数据是否包含高权限文档的内容。如果返回了，就是越权漏洞。

模型 → MCP Server：

Host 连接 MCP Server 时需要鉴权（远程模式）。MCP Server 验证调用方身份后，还要校验该调用方是否有权调用特定工具。一个 MCP Server 可能暴露 10 个工具，但某个 Agent 只被授权调用其中 3 个。

实现方式：MCP Server 维护一份工具白名单，按调用方身份过滤 tools/list 返回的工具清单。低权限的 Agent 调 tools/list 时，只能看到它有权调用的工具，其余的根本不暴露。

测试要点：用低权限 Agent 的凭证调 tools/list，检查返回的工具列表是否包含未授权工具。然后直接调 tools/call 尝试调用未授权工具，验证是否被拒绝（不能只靠 tools/list 隐藏，tools/call 层也要做权限校验）。

模型 → Skill：

Skill 的加载本身需要权限校验——不是所有用户都能触发所有 Skill。Host 在加载 SKILL.md 之前，先检查当前用户/Agent 是否有权使用该 Skill。

认证方式在这条链路中的体现

  • Agent → MCP Server：用 OAuth2 Client Credentials 或 mTLS，Agent 拿一个 service token 证明"我是授权的 Agent"

  • Agent → 知识库：用 JWT 断言，里面带用户身份透传下去，知识库据此做数据级权限过滤

  • Agent → Skill：Skill 加载是 Host 内部行为，但 Skill 内部调工具时走工具的鉴权流程

3.3 链路二：Skill → 工具

核心目标：Skill 内部编排了多个工具调用，Skill 不应该继承 Agent 的全部工具权限，而应该按需分配。

实际场景

一个"生成报告"的 Skill，内部流程是：

  1. 调 search_web 工具搜索资料

  2. 调 read_file 工具读取模板

  3. 调 write_file 工具写出报告

但 Agent 本身还配了 execute_command（执行系统命令）、send_email（发邮件）等高危工具。如果 Skill 继承了 Agent 的全部权限，攻击者通过 Prompt Injection 劫持 Skill 的执行流程后，就能调 execute_command 执行任意命令。

权限模型设计

Skill 级权限裁剪：每个 Skill 在 SKILL.md 中声明自己需要的工具清单，Host 加载 Skill 时只注入这些工具，其余工具对模型不可见：

# SKILL.md 中的权限声明
tools_required:
  - search_web
  - read_file
  - write_file
# 没有声明 execute_command, send_email → 模型在这个 Skill 执行期间看不到这两个工具

两层校验：

  • 第一层是可见性控制——Skill 执行期间，Host 只把该 Skill 声明的工具注入模型上下文。

  • 第二层是调用时校验——即使模型被注入攻击后试图调用未授权工具，Host 在执行 tools/call 之前也要校验"当前 Skill 的权限范围内是否包含这个工具"，不包含就拒绝。不能只靠可见性控制，因为模型可能被 Prompt Injection 诱导输出不存在的工具名或构造异常调用。

跨 Skill 调用的权限传递

如果一个 Skill A 内部调用了 Skill B，权限处理：

  • Skill B 的权限范围独立于 Skill A，不能继承 A 的权限

  • Skill B 被加载时，Host 重新按 B 的声明注入工具

  • 如果 Skill B 需要用 Skill A 已有的工具，需要在 B 自己的 tools_required 中声明

安全测试要点

  • 构造 Prompt Injection 攻击，诱导模型在 Skill 执行期间调用未声明的工具，验证是否被拦截

  • 检查 Skill 执行完毕后，工具上下文是否恢复为 Agent 的完整工具集（防止 Skill 的权限范围"泄漏"到后续对话）

  • 测试 Skill 嵌套调用时，子 Skill 是否能越权使用父 Skill 的工具

3.4 链路三：用户 → AI 资产

核心目标：最终用户通过前端界面访问 AI 平台时，能使用哪些 AI 资产。

实际场景

用户登录 AI 平台后，能做这些事：

  • 跟大模型对话（哪个模型？）

  • 上传文件到知识库（哪个知识库？）

  • 使用 Skill 完成任务（哪个 Skill？）

  • 触发 Agent 自动执行任务（Agent 能访问哪些工具？）

权限模型设计

RBAC + ABAC 混合模型：

  • RBAC（基于角色）：用户关联角色，角色关联资源权限。比如"普通员工"角色能使用对话模型和公开知识库，"数据分析师"角色能使用代码生成模型和机密数据知识库。

  • ABAC（基于属性）：在角色之上加条件判断。比如"普通员工"角色有权使用知识库 A，但条件是"工作时间 + 公司内网 + 数据标签非机密"。这适合更细粒度的权限控制。

权限策略示例：

{
  # 基础的身份标识
    "user_id": "zhangsan",
    "role": "analyst",
    # permissions：RBAC 核心 —— 用户可访问的全部 AI 资产白名单
    # 对应文档定义的四类 AI 资产 + 底层工具，**只允许列表内资源访问，默认拒绝其余所有**（最小权限原则）
    "permissions": {
    "models": ["qwen-72b-chat", "qwen-coder"],
    "knowledge_bases": ["public-docs", "internal-finance"],
    "skills": ["generate-report", "data-analysis"],
    "mcp_servers": ["internal-db-query"],
    "tools": ["search_web", "read_file", "query_db"]
  },
  # conditions：ABAC 属性条件 —— 使用资源的附加约束（不满足则权限失效）
  "conditions": {
    "time_window": "09:00-18:00",
    "network": "corporate-vpn",
    "max_daily_tokens": 500000
  }
}

认证流程

img

关键设计原则

  • 权限最小化：默认拒绝所有，只显式开放需要的权限。不是"默认开放，按需关闭"。

  • Fail-Closed：权限校验失败或服务不可用时，拒绝请求而非放行。比如权限服务宕机了，应该拒绝所有请求而不是临时放行。

  • 权限透传：用户的 JWT 一路传递到最底层的工具调用，每一层都验。不能只在入口验一次就信任后续所有调用。

  • 动态权限回收：用户权限变更（离职、调岗）后，JWT 应该短期过期或支持主动吊销。不能用永久有效的 token。

安全测试要点

  • 水平越权：用 A 用户的 JWT 尝试访问 B 用户的 AI 资产（如 A 的知识库、A 的对话历史）

  • 垂直越权：用普通用户 JWT 尝试调用管理员才能使用的模型或 Skill

  • 权限绕过：构造异常 JWT（篡改 role 字段、删除 permissions 字段、使用过期 token），验证是否被拒绝

  • 权限泄漏：用户 A 的 Agent 在执行任务时，是否会访问到用户 A 无权访问的资源（Agent 继承了用户身份，但如果权限透传不完整，可能在某个环节丢失用户身份，变成用 Agent 自己的权限访问）

  • 会话劫持：窃取他人的 JWT 后调用 AI 资产，验证是否有 IP 绑定、设备指纹等二次校验

3.5 三条链路的关系

img

三条链路是串联的：用户身份从链路三进入，一路透传到链路二的工具调用。任何一环断了（身份信息丢失、权限校验缺失），都可能导致越权。

核心设计原则就一条：每一次跨资源调用，都要验证"调用方是谁"和"调用方有权做这件事吗"。这跟做传统身份安全测试的逻辑完全一致，只不过资源从"API 接口"变成了"模型、知识库、Skill、MCP 工具"。

四、第三层：身份分类

在权限链路中，调用方分为两大类：人类身份（真实的人通过前端界面访问）和非人身份（服务、Agent、MCP Server 之间的互访）。不同身份类型适用不同的认证协议。

4.1 人类身份

真实的人通过前端界面访问 AI 资产。可选协议：

  • OAuth2：授权码流程，用户通过浏览器跳转登录，适合 Web 应用

  • OIDC：在 OAuth2 之上加了身份层，能拿到用户的身份信息（姓名、邮箱、角色）

  • JWT：用户登录后签发 JWT 令牌，后续请求携带 JWT 证明身份

  • 平台认证：企业内部 SSO（单点登录），对接公司统一身份平台

4.2 非人身份

服务、Agent、MCP Server 之间的互访。可选协议：

  • JWT：服务间调用时携带 JWT 断言，证明"我是服务 A，我有权调用服务 B"

  • 平台认证：内部服务注册中心颁发的服务身份凭证

  • mTLS：双向 TLS 证书认证，双方互相验证证书，适合服务网格架构

  • SPIFFE：云原生环境下的统一身份框架，为每个工作负载分配可验证的身份

五、第四层：安全认证方式

前文梳理了人类身份与非人身份各自可选的协议，下面逐一详解每种认证方式的实现原理、本质缺陷、安全测试要点，以及在 AI 资产管理中的实际用途。

5.0 认证方式总览

人类身份常用：

  • API Key / Static Token：最简单但最不安全。一个固定字符串，谁拿到谁能用，无法区分调用者身份，无法做细粒度权限控制。适合内部低敏感场景，不适合生产环境的高权限操作。

  • Basic Auth（用户名/密码）：每次请求携带 Base64 编码的用户名密码。比 API Key 强一点——但只要密码泄露即全盘沦陷，无法做临时授权，无法做细粒度权限。

非人身份常用：

  • AK/SK（云签名 / HMAC 签名）：云厂商标准做法。Access Key ID 是公开的标识，Secret Access Key 是私密的密钥。每次请求用 SK 对请求内容做 HMAC 签名，服务端用相同 SK 验签。好处是密钥不传输、签名不可伪造、请求内容防篡改。AWS、百度云、阿里云都用这套。

  • OAuth2 Client Credentials：专门为服务间通信设计的 OAuth2 流程。服务 A 用自己的 client_id 和 client_secret 向授权服务器换 access_token，然后拿 token 调服务 B。好处是 token 有过期时间（不像 API Key 永久有效），授权服务器可以做细粒度权限控制。

  • JWT 断言 / Service Assertion：服务自己签发或由信任方签发的 JWT，里面包含服务身份、权限范围、过期时间。接收方验签后信任 JWT 中的声明。好处是去中心化——不需要每次都去授权服务器验证，本地验签即可。

  • mTLS 证书：双向 TLS。不仅客户端验证服务端证书（普通 HTTPS 做的），服务端也验证客户端证书。只有持有合法证书的客户端才能建立连接。适合高安全要求的服务间通信，Kubernetes、Service Mesh 中广泛使用。

  • SPIFFE：CNCF 的云原生身份框架。为每个工作负载（Pod、容器、进程）分配一个 SPIFFE ID（如 spiffe://example.com/ns/default/sa/my-service），通过 SPIRE 服务器签发短期 SVID（SPIFFE Verifiable Identity Document）。SVID 可以是 JWT 或 X.509 证书。核心价值：在动态的云原生环境中，工作负载没有固定 IP，SPIFFE 提供了不依赖网络位置的身份验证。

以下按复杂度从低到高逐一详解。

5.1 API Key / Static Token

实现原理：最简单粗暴。平台给每个调用方分配一个固定字符串，调用方每次请求在 Header 里带上：

Authorization: Bearer sk-xxxxxxxxxxxxxxxx

服务端收到请求后，拿这个 Key 去数据库查"这个 Key 是谁的、有什么权限"，查到就放行。

本质缺陷：

  • Key 是明文传输的（即使走 HTTPS，服务端日志、网关日志都可能记录）

  • 永不过期（除非手动轮换），泄露后无法自动失效

  • 无法做细粒度权限（一个 Key 通常对应一组固定权限，无法动态调整）

  • 无法区分调用者（谁拿到了 Key 谁就是"主人"）

安全测试要点：检查 API Key 是否出现在前端代码、日志、错误信息中；是否支持吊销；是否有使用期限。

5.2 Basic Auth（用户名/密码）

实现原理：用户名和密码用冒号拼接后做 Base64 编码，放在 HTTP Header 中：

import base64
​
credentials = base64.b64encode(b"admin:Admin@123").decode()
​
# credentials = "YWRtaW46QWRtaW5AMTIz"
​
# 请求时
headers = {"Authorization": f"Basic {credentials}"}

服务端解码后拿到用户名密码，查数据库验证。

本质缺陷：

  • Base64 不是加密，是编码，任何人都能解码

  • 每次请求都传密码，泄露风险高

  • 密码改了所有调用方都要改

  • 无法做临时授权

在 AI 资产管理中基本不用，除非对接遗留系统。

5.3 OAuth2

原文链接：OAuth 2.0 授权认证详解-CSDN博客

5.3.1 简述 OAuth2.0

简单说，OAuth 就是一种授权机制。数据的所有者告诉系统，同意授权第三方应用进入系统，获取这些数据。系统从而产生一个短期的进入令牌（token），用来代替密码，供第三方应用使用。

举个实例来说明：

有一个"云冲印"的网站（客户端），可以将用户（资源拥有者）储存在Google（HTTP服务提供商）的照片，冲印出来。用户为了使用该服务，必须让"云冲印"读取自己储存在Google上的照片。

所以"云冲印"需要得到用户的授权，Google才会同意"云冲印"读取这些照片。传统方法就是，用户将自己的Google用户名和密码，告诉"云冲印"，后者就可以读取用户的照片了。这样的做法有以下几个严重的缺点：

（1）"云冲印"为了后续服务会保存用户的账户密码，这样非常不安全

（2）"云冲印"直接获取全部权限，用户无法限制"云冲印"获得的授权范围和时间，且只有修改密码才能收回权限。

（3）第三方软件一旦被破解，会导致用户账户密码泄漏，后果严重。

OAuth的作用就是让"客户端"安全可控地获取"用户"的授权，从而可以和"服务商提供商"进行互动。

5.3.2 OAuth 的授权认证流程

认证思路

OAuth 在"客户端"与"服务提供商"之间，设置了一个授权层（authorization layer）。"客户端"不能直接登录"服务提供商"，只能登录授权层，以此将用户与客户端区分开来。"客户端"登录授权层所用的令牌（token），与用户的密码不同。用户可以在登录的时候，指定授权层令牌的权限范围和有效期。

"客户端"登录授权层以后，"服务提供商"根据令牌的权限范围和有效期，向"客户端"开放用户储存的资料。

认证流程

img

1）用户访问第三方应用程序（简称：客户端）以后，客户端要求用户给予授权。

2）用户同意给予客户端授权。

3）客户端使用第 2 步获得的授权，向认证服务器申请令牌。

4）认证服务器对客户端进行认证以后，确认无误，同意发放令牌。

5）客户端使用令牌，向资源服务器申请获取资源。

6）资源服务器确认令牌无误，同意向客户端开放资源。

上述中的第 2 步是关键，即用户怎样才能给于客户端授权。有了这个授权以后，客户端就可以获取令牌，进而凭令牌获取资源。

5.3.3 四种授权类型

参考：OAuth2.0入门（一）—— 基本概念详解和图文并茂讲解四种授权类型

为了获得访问令牌(Token)，客户端需要先从资源所有者(用户)那里获得授权。授权是以授权许可(Grant Type)的形式来表示的。OAuth定义了四种授权类型：

1. 授权码模式（Authorization Code Grant）

OAuth2.0授权码模式--认证流程

当用户访问资源时，比如在网易云音乐中使用第三方登录功能，例如QQ登录，那么这里的资源就是用户的QQ昵称和头像等信息。此时第三方应用（网易云音乐）将发送请求到授权服务器（QQ）去获取授权，此时授权服务器（QQ）将返回一个界面给用户，用户需要登录到QQ，并同意授权网易云音乐获得某些信息（资源）。当用户同意授权后，授权服务器将返回一个授权码（Authorization Code）给第三方应用，此时第三方应用在通过client_id、client_secret（这是需要第三方应用在授权服务器去申请的）和授权码去获得Access Token和Refresh Token，此时授权码将失效。然后就是第三方应用通过Access Token去资源服务器请求资源了，资源服务器校验Access Token成功后将返回资源给第三方应用。

2. 隐式授权（Implicit Grant）

隐式授权又称简化授权模式，它和授权码模式类似，只不过少了获取授权码的步骤，是直接获取令牌token的，且没有Refresh Token，适用于公开的浏览器单页应用。因为令牌直接从授权服务器返回，所以没有安全保证，令牌容易因为被拦截窃听而泄露。

3. 密码模式（Resource Owner Password Credentials Grant）

OAuth2.0密码模式

首先资源所有者（用户）提供自己的用户名和密码给客户端（Client），然后客户端（Client）携带从用户那里获取的凭证去授权服务器请求Token，授权服务器对客户端进行身份认证，并校验资源所有者的凭证，如果都校验通过，则发放Token。

适用范围：只适用于应用是受信任的场景。一个典型的例子是同一个企业内部的不同产品要使用本企业的 Oauth2.0 体系。在这种情况下，由于是同个企业，不需要向用户展示"xxx将获取以下权限"等字样并询问用户的授权意向，而只需进行用户的身份认证即可。这个时候，只需要用户输入凭证并直接传递给鉴权服务器进行授权即可。

4. 客户端授权模式（Client Credentials Grant）

OAuth2.0客户端模式

客户端（Client）通过Client_id和Client_secret去授权服务器请求Token，授权服务器认证Client_id和Client_secret是否正确，若正确则发放Token给客户端（Client）。最后客户端通过AccessToken请求资源。

适用范围：只适用于应用是受信任的场景。

5.4 JWT（JSON Web Token）

参考文章链接：全网最透彻：JWT Token 到底是什么？原理+结构+流程图

官方定义

JWT = JSON Web Token

一种开放标准（RFC 7519），用于在网络应用中以 JSON 对象的形式安全传递信息。

核心特点：

  • 轻量级：数据量小，传输快

  • 自包含：Token 本身携带用户信息，服务器不需要存储 Session

  • 无状态：服务端不需要保存任何会话信息

  • 跨域/跨服务：适合微服务、分布式、前后端分离

一句话总结：JWT 就是一个加密的、自带用户信息的"身份令牌"，服务端不用存 Session，直接验签即可认证。

5.4.1 JWT 的结构

JWT 由三段组成，用 . 分隔：

eyJhbGciOiJIUzI1NiJ9.
eyJ1c2VyX2lkIjoiemhhbmdzYW4iLCJyb2xlIjoiYW5hbHlzdCIsImV4cCI6MTcyMzQ1NjAwMH0.
s8fJH2k...

三段分别对应：Header.Payload.Signature

Header（算法声明）

作用：描述JWT的加密算法，类型

{
  "alg": "HS256",   // 签名算法：HMAC-SHA256
  "typ": "JWT"      // 类型固定为 JWT
}

Payload（负载——存放数据）

作用：存放用户信息（如userId, username, 过期时间）

注意：默认是Base64编码，并非加密，不能存密码进去。

{
  "user_id": "zhangsan",
  "role": "analyst",
  "permissions": {
    "models": ["qwen-72b-chat"],
    "knowledge_bases": ["public-docs", "internal-finance"],
    "tools": ["search_web", "query_db"]
  },
  "iat": 1723452400,   // 签发时间
  "exp": 1723456000,   // 过期时间（1小时后）
  "iss": "ai-platform-auth",  // 签发方
  "sub": "zhangsan"    // 主体
}

Signature（签名）

作用：防止Token被篡改

HMAC-SHA256(
  base64(header) + "." + base64(payload),
  SECRET_KEY
)

只有服务器持有密钥，只要签名正确，说明 Token 未被篡改。

5.4.2 JWT 的认证流程

  1. 用户登录，发送账号密码

  2. 服务端验证成功

  3. 服务端根据用户信息生成 JWT Token

  4. 服务端把 JWT 返回给前端

  5. 前端存储 JWT（localStorage / Cookie）

  6. 前端每次请求在请求头带上 JWT

  7. 服务端验证签名

    • 签名正确 → 合法用户

    • 签名错误 → 伪造/篡改，拒绝

  8. 完成鉴权

5.4.3 HS256 vs RS256

上面用的是 HS256（对称加密）——签发和验签用同一个 SECRET_KEY。问题是：任何知道 SECRET_KEY 的服务都能伪造 token。

生产环境通常用 RS256（非对称加密）：

# 签发方用私钥签
token = jwt.encode(payload, PRIVATE_KEY, algorithm="RS256")
# 验证方用公钥验（公钥可以公开分发，拿到公钥也无法伪造 token）
payload = jwt.decode(token, PUBLIC_KEY, algorithms=["RS256"])

在 AI 资产管理中的应用：授权服务器持有私钥签发 JWT，模型网关、知识库服务、MCP Server 各自用公钥验签。不需要每次都去授权服务器验证 token 是否有效，本地验签即可，性能更好。

5.4.4 JWT 断言（Service Assertion）

服务自身自己签发，不经过统一授权服务器，专门用于AI 体系内服务与服务之间的调用认证（Agent ↔ MCP、Agent ↔ 知识库、Skill ↔ 工具）。 核心：Agent 服务用自己的私钥生成一段自证身份的 JWT，调用下游 MCP / 知识库时带上；下游服务提前持有该 Agent 的公钥，本地验签就能确认调用方身份，不需要远程请求授权服务器鉴权，实现服务间点对点互信。

# 载荷：声明本次调用的身份、目标、权限、有效期
{
    "sub": "agent-service-a",          # subject：调用主体，当前是谁发起请求（Agent A）
    "iss": "agent-service-a",          # issuer：签发者，自己给自己发凭证
    "aud": "mcp-server-db",            # audience：受众，这个JWT只能给MCP数据库服务使用
    "scope": "tools:call",             # 权限范围：仅允许执行工具调用操作
    "exp": int(time.time()) + 300      # 过期时间：仅5分钟有效，短期凭证降低泄露风险
}
# 用Agent自身私钥签名
jwt.encode(..., AGENT_PRIVATE_KEY, algorithm="RS256")

MCP Server 收到后用 Agent 的公钥验签，确认"这确实是 Agent A 签发的，它有权调我的工具"。

关键区别：不经过授权服务器，服务间直接互信。前提是双方预先交换了公钥。

  1. RS256非对称加密是关键

    • Agent持有私钥：只有它能生成合法断言JWT；

    • MCP服务持有Agent的公钥：仅能验证签名，无法伪造新的JWT； 解决了对称HS256密钥共享带来的伪造风险。

  2. 请求携带方式：放在HTTP标准Authorization: Bearer请求头，和用户JWT传输格式统一，网关、服务统一解析逻辑。

完整调用流程（Agent A 调用数据库MCP服务）

  1. Agent需要查询数据库工具，本地生成一段JWT断言；

  2. 在请求头附上该断言，发起POST请求到MCP-DB服务；

  3. MCP服务拿到JWT后，使用预先同步的agent-service-a公钥本地验签；

  4. 验签通过后校验载荷约束：

    • 校验aud：确认这个Token是发给自己的，不能拿来调用其他服务；

    • 校验exp：判断凭证未过期；

    • 校验scope：确认仅允许工具调用，无越权操作；

  5. 全部校验通过，才允许Agent调用内部数据库查询工具；任意一项不满足直接返回403拒绝。

和普通授权服务器JWT的核心区别

维度 统一授权服务器JWT（用户侧） JWT服务断言（Service Assertion）
签发方 独立授权中心服务 调用方服务自身（Agent自己签发）
依赖 必须依赖授权服务器，鉴权可联动中心黑名单、动态权限回收 去中心化，本地公钥验签，不依赖第三方服务
使用对象 人类终端用户 非人服务、Agent、Skill、MCP等内部组件
信任前提 所有服务信任授权中心 上下游服务提前交换公钥，点对点互信
权限回收 授权中心可主动吊销token、实时修改权限 无法实时回收，只能等待exp过期，固有短板

在AI全链路权限框架里的业务价值

结合文档三层权限链路，它主要解决链路一、链路二的服务间鉴权问题：

  1. 链路一：模型→MCP/知识库 Agent调用MCP Server时，用JWT断言证明自身服务身份，MCP基于断言过滤可调用工具白名单；同时断言内部可嵌套透传用户JWT，实现「服务身份+终端用户身份」双重校验。

  2. 链路二：Skill→底层工具 Skill服务自签断言，限定scope仅包含自身SKILL.md声明的工具，防止Prompt Injection越权调用高危工具。

  3. 性能优势 微服务集群大规模调用时，不用每次鉴权都远程请求授权服务器，本地验签，大幅降低授权中心压力。

安全测试要点

  1. alg算法篡改漏洞 攻击者截获断言后，把签名算法RS256改成none（无签名）或HS256，跳过验签伪造载荷。 校验标准：服务端必须强制校验alg字段，只允许预定义的RS256，拒绝none、HS256等非法算法。

  2. exp过期校验缺失 若服务不判断过期时间，泄露的过期断言可无限重放调用；标准：拒绝已超过exp时间的所有JWT断言。

  3. aud受众校验缺失 攻击者把发给MCP-DB的断言，拿去调用MCP-运维服务；若不校验aud，会发生跨服务越权。标准：仅放行aud与当前服务名称匹配的token。

  4. 权限无法动态回收（固有缺陷） 断言是服务本地签发，授权中心无管控能力。如果Agent权限被回收、Agent被下线，已签发未过期的断言仍能正常使用，只能等5分钟过期。 优化方案：缩短exp有效期（文档示例仅5分钟）、搭配mTLS/SPIFFE做双重身份兜底。

  5. 私钥泄露风险 Agent私钥是信任根，一旦泄露，攻击者可伪造任意JWT断言，完全冒充Agent调用所有下游资源。 防护：私钥不能明文存代码/配置文件，使用密钥管理服务KMS、容器密钥挂载。

适用场景与不适用场景

适合使用JWT断言

企业内部AI集群服务间高频调用：Agent ↔ MCP、Agent ↔ 知识库、Skill ↔ 工具，追求低延迟、去中心化鉴权。

不适合使用

  1. 面向外部第三方调用（无法提前交换公钥，改用OAuth2 Client Credentials）；

  2. 需要实时、立即回收权限的场景（优先使用授权服务器统一签发的JWT，支持黑名单吊销）；

  3. 公网开放接口（优先mTLS、AK/SK签名，安全性更强）。

5.5 AK/SK（云签名 / HMAC 签名）

参考文章链接：公有云API的认证方式：AK/SK 简介_ak,sk-CSDN博客

AK/SK(aksk)鉴权原理简介_ak sk原理-CSDN博客

ak/sk 是一种身份认证方式，常用于系统间接口调用时的身份验证，其中 ak 为 Access Key ID，sk 为 Secret Access Key。客户端和服务端两者会协商保存一份相同的 sk，其中 sk 必须保密。

  • AK：Access Key Id，用于标示用户

  • SK：Secret Access Key，是用户用于加密认证字符串和用来验证认证字符串的密钥，其中 SK 必须保密

通过使用 Access Key Id / Secret Access Key 加密的方法来验证某个请求的发送者身份。

客户端在调用服务端接口的时候，会带上 ak 以及 signature（使用 sk 对内容进行加密后得出的签名）进行请求，在服务端接收到这个请求的时候，首先会根据 ak 去数据库里面去找到对应的 sk，然后使用 sk 对请求内容进行加密得到一个签名，然后对比客户端传过来的签名和服务端计算的出来的签名是否一致，如果一致则代表身份认证通过，反之则不通过。

使用机制

云主机接收到用户的请求后，系统将使用 AK 对应的相同的 SK 和同样的认证机制生成认证字符串，并与用户请求中包含的认证字符串进行比对。如果认证字符串相同，系统认为用户拥有指定的操作权限，并执行相关操作；如果认证字符串不同，系统将忽略该操作并返回错误码。

流程

  1. 判断用户请求中是否包含 Authorization 认证字符串。如果包含认证字符串，则执行下一步操作。

  2. 基于 HTTP 请求信息，使用相同的算法，生成 Signature 字符串。

  3. 使用服务器生成的 Signature 字符串与用户提供的字符串进行比对，如果内容不一致，则认为认证失败，拒绝该请求；如果内容一致，则表示认证成功，系统将按照用户的请求内容进行操作。

原理

客户端：

  1. 构建 http 请求（包含 access key）

  2. 使用请求内容和 secret access key 计算的签名（signature）

  3. 发送请求到服务端

服务端：

  1. 根据发送的 access key 查找数据库得到对应的 secret-key

  2. 使用同样的算法将请求内容和 secret-key 一起计算签名（signature），与客户端步骤 2 相同

  3. 对比用户发送的签名和服务端计算的签名，两者相同则认证通过，否则失败

实现原理

不传输密钥本身，而是用密钥对请求内容做签名，服务端用相同密钥验签：

import hmac
import hashlib
import base64
​
def sign_request(method, url, headers, body, sk):
    # 1. 构造待签名字符串（Canonical Request）
    canonical_string = f"{method}\n{url}\n{sorted_headers_string}\n{body_hash}"
    
    # 2. 用 SK 做 HMAC-SHA256 签名
    signature = hmac.new(
        sk.encode("utf-8"),
        canonical_string.encode("utf-8"),
        hashlib.sha256
    ).hexdigest()
    
    # 3. 请求中带 AK 和签名
    headers["X-Auth-Key"] = ak
    headers["X-Auth-Signature"] = signature
    headers["X-Auth-Timestamp"] = str(int(time.time()))
    
    return headers

服务端验证：

def verify_signature(request, sk_store):
    ak = request.headers["X-Auth-Key"]
    sk = sk_store.get(ak)  # 根据 AK 查到对应的 SK
    
    # 用相同算法重新计算签名
    expected_signature = compute_signature(request, sk)
    
    # 对比签名（用恒定时间比较防时序攻击）
    if not hmac.compare_digest(expected_signature, request.headers["X-Auth-Signature"]):
        raise Exception("Invalid signature")
    
    # 验证时间戳防重放
    timestamp = int(request.headers["X-Auth-Timestamp"])
    if abs(time.time() - timestamp) > 300:  # 5分钟窗口
        raise Exception("Request expired")

关键安全要素

  • 签名覆盖完整请求：方法 + URL + Headers + Body 都要参与签名。常见漏洞是签名未包含 Body，攻击者拿到签名请求后篡改 Body 内容。

  • 时间戳防重放：请求中带时间戳，服务端拒绝超过窗口期（如 5 分钟）的请求。否则攻击者截获请求后可以无限重放。

  • nonce 防重放：更严格的做法是每次请求带一个随机 nonce，服务端记录已用过的 nonce（缓存 5 分钟），拒绝重复的 nonce。

  • 恒定时间比较：签名对比必须用 hmac.compare_digest 而非 ==。用 == 时，攻击者可以通过测量响应时间逐字节猜解签名（时序攻击）。

在 AI 资产管理中的用途：Agent 调用大模型 API 时用 AK/SK 签名。比 API Key 安全——即使请求被截获，攻击者没有 SK 也无法伪造新请求。

5.6 mTLS（双向 TLS）

参考文章链接：mTLS到底是个啥？服务间双向认证从原理到实战，一篇搞定-腾讯云开发者社区

5.6.1 TLS 基础

在讲 mTLS 之前，我们得先把 TLS 搞明白。日常我们访问 https 网站，浏览器地址栏那个小锁，背后就是 TLS 在工作。

TLS 的核心逻辑其实很简单——单向认证。什么意思呢？就是客户端去验证服务端的身份，但服务端不验证客户端。流程大概是这样：

  1. 客户端发起连接请求，告诉服务端我支持哪些 TLS 版本

  2. 服务端把自己的证书（server.crt）发过来

  3. 客户端验证这个证书是不是可信 CA 签发的，有没有过期，域名对不对

  4. 验证通过后，客户端生成一个随机数作为预主密钥，用服务端公钥加密发过去

  5. 服务端用私钥解密拿到这个随机数

  6. 双方基于这个随机数协商出会话密钥，后续通信就用这个对称密钥加密

img

5.6.2 mTLS 概述

参考文章链接：https://juejin.cn/post/7551782160920199168

mTLS（Mutual Transport Layer Security，双向传输层安全）是一种基于 TLS 协议的增强型身份认证与加密技术，核心区别于传统单向 TLS（仅客户端验证服务器身份），实现了客户端与服务器的双向身份核验，同时保障数据传输的机密性与完整性。它是零信任架构（"永不信任，始终验证"）中验证服务或终端身份的核心技术之一。

传统单向 TLS 仅解决"客户端确认服务器身份"的问题（如浏览器访问 HTTPS 网站时验证服务器证书），而 mTLS 在此基础上增加了"服务器确认客户端身份"的环节，二者的认证逻辑对比如下：

5.6.3 握手流程

mTLS 基于 TLS 1.2/1.3 协议扩展实现，其核心差异体现在握手阶段的双向证书验证环节。以下以 TLS 1.2 为例，拆解完整握手流程（共 11 步，关键差异步骤已标注）：

  1. 客户端发起请求（Client Hello）：客户端向服务器发送协议版本、支持的加密套件列表、随机数（Client Random）等信息，表明希望建立 TLS 连接。

  2. 服务器响应（Server Hello）：服务器确认协议版本和加密套件，返回随机数（Server Random）、服务器证书（含服务器公钥），并发送"证书请求"（mTLS 关键步骤 1：单向 TLS 无此步骤）。

  3. 客户端验证服务器身份：

    • 客户端提取服务器证书，验证证书的有效性：检查证书是否由可信 CA（证书颁发机构）签发、证书是否在有效期内、证书绑定的域名是否与服务器域名一致、证书是否被吊销。

    • 若验证失败，客户端终止连接；若成功，客户端保存服务器公钥。

  4. 客户端提供身份凭证（mTLS 关键步骤 2）：

    • 客户端向服务器发送自己的证书（含客户端公钥），以及"证书验证消息"——用客户端私钥对"客户端随机数 + 服务器随机数 + 会话密钥预主密钥"的组合进行签名。

  5. 服务器验证客户端身份：

    • 服务器提取客户端证书，重复类似的有效性验证（CA 信任链、有效期、身份绑定等）。

    • 服务器用客户端公钥解密"证书验证消息"，核对其中的随机数与握手初期的随机数是否一致，确认客户端确实持有证书对应的私钥（身份真实）。

    • 若验证失败，服务器终止连接；若成功，进入密钥协商阶段。

  6. 密钥协商：客户端与服务器基于各自持有的随机数和预主密钥，通过约定的加密算法生成会话密钥（对称加密密钥，用于后续数据传输）。

  7. 客户端发送"完成消息"：客户端用会话密钥加密"握手结束"标识，发送给服务器。

  8. 服务器发送"完成消息"：服务器用会话密钥加密"握手结束"标识，发送给客户端。

  9. 握手完成：双方确认会话密钥可用，后续所有通信数据均通过会话密钥进行对称加密（效率高于非对称加密）。

5.6.4 mTLS 依赖的核心技术组件

mTLS 的实现依赖公钥基础设施（PKI）提供身份信任基础，核心组件及作用如下：

1. 数字证书（Digital Certificate）

  • 定义：由可信 CA 签发的电子凭证，包含持有者身份信息（如服务名、设备 ID）、持有者公钥、CA 签名、有效期等关键信息。

  • 作用：mTLS 中，客户端和服务器通过证书向对方证明"我是我声称的身份"，同时提供用于加密和签名的公钥。

2. 证书颁发机构（CA，Certificate Authority）

  • 定义：负责签发、管理和吊销数字证书的可信第三方机构（如公网 CA 赛门铁克、企业内部私有 CA）。

  • 作用：作为"信任锚点"，CA 用自己的私钥对证书进行签名，客户端/服务器通过验证 CA 签名确认证书的合法性（前提是信任该 CA 的根证书）。

3. 公钥与私钥（非对称加密算法）

  • 公钥：公开可见，用于加密数据、验证数字签名（如服务器用客户端公钥验证客户端签名）。

  • 私钥：持有者私密保存，用于解密数据、生成数字签名（如客户端用私钥对验证消息签名）。

  • 核心逻辑："公钥加密的数据仅对应私钥可解密，私钥签名的数据仅对应公钥可验证"，确保身份真实性和数据机密性。

4. 证书吊销列表（CRL，Certificate Revocation List）

  • 定义：CA 维护的已签发但因私钥泄露、身份变更等原因失效的证书列表。

  • 作用：解决"证书未过期但已不可信"的问题，客户端/服务器在验证证书时需查询 CRL 或通过 OCSP（在线证书状态协议）确认证书状态。

5.6.5 mTLS 的典型应用场景

mTLS 因强身份认证特性，广泛用于需要严格访问控制的场景，以下为核心场景示例：

1. 服务网格（Service Mesh）

  • 代表技术：Istio、Linkerd。

  • 应用方式：服务网格通过 sidecar 代理（如 Istio 的 Envoy）为服务自动注入 mTLS 能力，无需修改业务代码。例如 Istio 中通过 PeerAuthentication 配置 STRICT 模式，强制服务间通信必须通过 mTLS 认证，防止未授权服务接入网格。

2. API 安全与微服务通信

  • 场景：企业内部微服务集群（如订单服务调用支付服务）、第三方 API 接口（如银行开放平台对接商户系统）。

  • 价值：避免 API 密钥泄露导致的非法调用，通过证书身份唯一标识调用方，实现"基于身份的访问控制（RBAC）"。

3. IoT（物联网）设备通信

  • 场景：工业传感器、智能家居设备与云端平台的通信。

  • 价值：物联网设备数量庞大且易被物理劫持，mTLS 可确保云端仅接收可信设备的数据，同时设备仅连接合法云端，防止数据篡改或设备被伪造。

4. 企业内网安全

  • 场景：员工终端访问企业内网服务（如 OA 系统、数据库）、跨数据中心的服务通信。

  • 价值：替代传统 VPN 的"基于网络边界的信任"，实现"基于身份的零信任访问"，即使终端处于内网，也需通过 mTLS 验证身份方可访问资源。

安全测试要点：

  • 是否真的验证了客户端证书（有些配置错误的服务端虽然要求客户端证书但不验证其合法性）

  • 证书是否过期（过期的证书如果还能用，说明验签逻辑有缺陷）

  • 是否校验证书的 CN/SAN 字段（证书绑定的身份与服务实际身份是否匹配）

  • 私钥是否安全存储（私钥泄露 = 身份被冒充）

  • 是否有证书吊销检查（CRL/OCSP，被吊销的证书是否还能用）

5.7 SPIFFE

详解文章链接：零信任安全之——SPIFFE简介 - 知乎

5.7.1 解决什么问题

在 K8s/云原生环境中，工作负载（Pod/容器）是动态的——IP 随时变、实例随时扩缩容。传统的 IP 白名单、mTLS 证书绑定 IP 的方式都不可行。需要一种不依赖网络位置的身份验证机制。

SPIFFE（Secure Production Identity Framework for Everyone）为每个工作负载分配一个统一格式的身份标识：SPIFFE ID。

5.7.2 核心组件

  • SPIRE Server：集群中的信任根。负责签发 SVID（身份凭证），维护已注册工作负载的身份映射。

  • SPIRE Agent：每个节点上运行一个。负责向 Server 证明本节点的工作负载身份，获取 SVID 后下发给工作负载。

  • SVID（SPIFFE Verifiable Identity Document）：工作负载持有的身份凭证，可以是 X.509 证书或 JWT。里面包含 SPIFFE ID。

5.7.3 工作流程
1. 工作负载启动 → 向本节点的 SPIRE Agent 请求 SVID
2. Agent 验证工作负载身份（通过 selector：K8s ServiceAccount、Namespace、镜像哈希等）
3. Agent 向 SPIRE Server 请求签发 SVID
4. Server 签发 SVID（X.509 证书或 JWT），包含 SPIFFE ID
5. 工作负载拿到 SVID，后续通信中使用 SVID 证明身份
5.7.4 SPIFFE ID 格式
spiffe://company.com/ns/production/sa/agent-service-a
         ↑ 信任域    ↑ namespace  ↑ service account

这个 ID 不依赖 IP，无论 Pod 调度到哪个节点、IP 怎么变，身份不变。

5.7.5 两个 Agent 互访的流程
Agent A 要调 Agent B：
​
1. Agent A 用自己的 SVID（X.509 证书）发起 mTLS 连接
2. Agent B 验证 Agent A 的 SVID（通过信任根 CA 验证证书真伪）
3. Agent B 提取 Agent A 的 SPIFFE ID：spiffe://company.com/ns/production/sa/agent-service-a
4. Agent B 查权限策略：agent-service-a 是否有权调我？
5. 有权 → 建立 mTLS 连接，通信

本质：mTLS + 动态身份 + 统一信任框架。底层还是 mTLS，但证书不是静态管理的，而是 SPIRE 自动签发、自动轮换、随工作负载生命周期管理。

5.7.6 在 AI 资产管理中的用途

  • K8s 集群中部署的 Agent Pod 之间互访

  • Agent Pod 调 MCP Server Pod（同集群内）

  • 不需要人工管理证书，SPIRE 自动完成签发和轮换

安全测试要点：

  • SPIRE 的 selector 是否严格（如果用 namespace 做 selector，任何同 namespace 的 Pod 都能拿到该身份——应该叠加 ServiceAccount + 镜像哈希等多重 selector）

  • SVID 是否定期轮换（默认 1 小时过期，过期前自动续签）

  • 信任域是否隔离（不同集群/环境是否用不同的信任域）

  • 工作负载下线后 SVID 是否自动失效

5.8 各认证方式在 AI 资产管理中的实际组合

生产环境不会只用一种，而是分场景组合：

用户 → AI 平台前端
  → OAuth2 授权码流程登录，拿到 JWT（带用户身份和权限）
  → 后续请求带 JWT
​
AI 平台后端 → 大模型 API
  → AK/SK 签名（调外部商业模型）
  → 或 mTLS（调内部部署的模型服务）
​
Agent → MCP Server（同集群）
  → SPIFFE（K8s 环境下自动身份）
​
Agent → MCP Server（跨集群/跨网络）
  → OAuth2 Client Credentials 换 token
  → 或 mTLS（高安全场景）
​
Agent → 知识库
  → JWT 断言（带用户身份透传，知识库按用户权限过滤数据）
​
Skill → 工具
  → JWT 断言（带 Skill 声明的权限范围）

核心原则：人类用 OAuth2/JWT，服务间用 mTLS/SPIFFE，跨网络用 AK/SK 或 Client Credentials，身份信息全链路透传，每一层都验。

# 网络安全 # 安全架构 # 安全威胁分析 # 安全性测试
Logo
龙虾开发者社区

小龙虾开发者社区是 CSDN 旗下专注 OpenClaw 生态的官方阵地，聚焦技能开发、插件实践与部署教程，为开发者提供可直接落地的方案、工具与交流平台，助力高效构建与落地 AI 应用

更多推荐

cover

大模型安全实战】智能体安全的攻防二元性：同一种能力，为什么既是防线也是攻击面？（第4期）

avatar 龙虾开发者社区
cover

SparkSQL 之 Hive On Spark 原理分析

avatar 龙虾开发者社区

RL训练Agentic模型实现并行多轮上下文检索：匹配前沿模型且快10倍

基于RL的Agentic检索模型正在成为AI Agent效率革命的关键驱动力。并行化：从串行单次调用转向多轮高并行调用自编辑：模型在检索过程中主动裁剪不相关信息迭代优化：检索器与Agent在RL训练中双向迭代当Agentic检索的速度提升10倍以上、成本大幅下降，AI系统将能在数秒内完成以往需要数分钟的复杂信息收集——这是Agent从“对话助手”走向“行动执行者”的关键一步。参考文献：, ACL

avatar 龙虾开发者社区