SRM：AI代理的時間性安全閘門

🔑 增強重點摘要

• •SRM 透過引入「軌跡層級授權」（Trajectory-level Authorization），解決了傳統無狀態安全閘門無法識別跨回合（Cross-turn）惡意意圖的盲點，特別是針對長期運行的 AI 代理。
• •該技術利用語意質心（Semantic Centroid）動態映射代理行為的漂移，能有效偵測「慢速且隱蔽」（Slow-and-low）的攻擊模式，這類攻擊通常能繞過單一回合的靜態過濾器。
• •SRM 的設計核心在於其輕量級的指數移動平均（EMA）風險累積機制，使其能夠在邊緣運算環境中部署，而不會對 AI 代理的推理效能造成顯著的負擔。

🛠️ 技術深入

• •風險累積機制：採用指數移動平均（EMA）公式：R_t = α * G_t + (1 - α) * R_{t-1}，其中 G_t 為當前閘門輸出，α 為平滑因子，用於動態調整對近期行為的敏感度。
• •語意質心計算：利用嵌入空間（Embedding Space）中的向量平均值來代表會話的正常行為基線，當前軌跡與質心的餘弦相似度低於閾值時，觸發風險累積。
• •授權一致性架構：區分空間一致性（單一請求的安全性）與時間一致性（會話序列的邏輯連貫性），SRM 專注於後者，透過時間性安全閘門（Temporal Security Gate）進行攔截。
• •效能指標：在標準化測試環境下，單次推理的額外處理延遲維持在 250 微秒以下，主要歸功於其非神經網路的數學運算特性。

🔮 前景展望AI analysis grounded in cited sources