AMU 以血缘门控阻断派生数据越权泄露

Venkata M Sangaraju 与 Sudhir Vissa 发表论文，提出用于企业 AI 智能体共享内存的列级访问控制框架 AMU（Analytical Memory Unit）：为每条缓存结果附加完整派生（血缘）图，只有当请求者对其触及的每一列都有权限时才返回命中，从而阻断派生自敏感列的越权泄露。 作者称，在血缘记录完整的前提下，可按构造证明该策略能阻止越权检索，最坏情况复杂度为 O(n)；消除实测泄露需要 75%–90% 的血缘记录完整度，因此将 90% 设为保守部署目标。基于 LLM 生成 SQL 的真实智能体概念验证与这一保证一致：9 轮往返中零泄露，自动捕获两处冲突，但作者称这只是可行性演示，不构成生产可用性的证据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。