AI系统权限新理论：提出“最小自主性”原则

传统访问控制中的“最小权限原则”要求身份仅持有完成任务所必需的权限，这一原则已沿用数十年。然而，在智能体AI系统中，权限不仅被持有，还能在工作流和系统边界间被组合、批准和放大，传统原则显得不足。为此，研究团队提出“最小自主性”作为更合适的泛化原则，并构建了形式化理论框架。

该理论包含三个核心组件：首先定义组合爆炸半径d(a,b)，通过结合超度量树与格值保密性、完整性和控制上下文标签，量化企业层级中行动间的结构分离程度。其次构建有向智能体影响图G(θ)，其中从U到V的弧需要满足定向共享资源写读会议或保守无向智能体间通信会议，且会议条件影响潜力需达到外部设定的策略阈值θ。目录半径剖面支持θ的校准与审计。最后定义基于图可达性的共谋谓词，用于检测授权组合、决策操纵和跨域能力组合。

这项研究为AI系统在复杂环境中的权限管理提供了新的理论工具，尤其适用于需要精细控制智能体自主行为的应用场景。