RBAC
一种访问控制模型，核心思想是将权限赋予角色，再将角色分配给用户，避免直接为每个用户单独配置权限
核心事实
时间轴 (近 90 天)
权限最小化的落地通常借助RBAC或ABAC，将Agent身份映射到具体权限集，并配合配额上限限制单Agent调用量。
独立身份使权限最小化成为可能：不同Agent绑定不同级别的模型访问权限，低敏感任务不再持有高权限密钥。
智能体场景下的权限控制需要能力级授权，即限制可调用的工具集合、可访问的数据范围及可执行的操作类型，而非传统RBAC的静态角色授权。
集群管理员令牌可对集群内所有命名空间、所有资源执行任意操作，包括读取 Secret、创建 Pod、修改 RBAC 策略等。
工程上通常通过细粒度的能力令牌或基于角色的访问控制（RBAC）来实现最小权限原则，并配合运行时策略引擎（如 Open Policy Agent）动态拦截越权调用。
自建源代码控制系统的技术门槛体现在分支模型设计、合并策略（包括CRDT或OT的实时协作合并算法）、细粒度权限管理（如RBAC或ABE）、不可篡改的审计追踪（结合日志结构存储和哈希链技术）以及高吞吐存储层等多个层面。
代理访问控制不能只做静态的RBAC，因为代理的任务往往跨角色、跨数据域。
业界倾向RBAC与ABAC混合：用角色做粗筛，用属性策略做细粒度裁决。
RBAC以角色为授权单位，用户通过被赋予角色间接获得权限；ABAC依据用户属性、资源属性、环境条件和操作类型动态求值。
RBAC通过角色—权限—主体的映射决定谁能执行哪些操作，组织所有者（owner）通常是权限最高、覆盖面最广的角色
还有 40 条时间轴事件
全部知识事实 (20)
AI Agent 策略测试通常需要覆盖三个关键层面：意图（Intent）、基于角色的访问控制（RBAC）以及审批流程（Approvals）
75%已验证RBAC权限模型由美国国家标准与技术研究院（NIST）于1992年正式提出
75%已验证最小权限原则的技术实现通常依托基于角色的访问控制（RBAC）或更细粒度的基于属性的访问控制（ABAC）系统
65%已验证在AI Agent场景下最小权限原则的威胁来自Agent自身的推理偏差，而非传统软件中的外部攻击者
65%已验证RBAC（基于角色的访问控制）是企业级应用中最主流的权限管理方案之一，核心思想是将权限赋予角色而非直接赋予用户
65%待验证RBAC（Role-Based Access Control）是NIST于1992年正式提出的访问控制模型
90%待验证gin-vue-admin内置了基于Casbin的策略引擎，支持ACL、RBAC、ABAC等多种权限模型
90%待验证RBAC访问控制模型于1992年由David Ferraiolo和Rick Kuhn正式提出
85%部分验证RuoYi-Vue Pro 支持 RBAC 动态权限管理、数据权限和 SaaS 多租户架构
80%待验证中转站的令牌分组机制基于RBAC（基于角色的访问控制）的API权限管理，每个令牌在创建时被绑定到特定的模型分组
75%待验证业界正在探索基于角色的访问控制RBAC与最小权限原则在AI Agent场景下的新型实现方式
70%待验证AC-F1（Answer Correctness F1）是论文采用的评测指标，综合考量作答准确率与拒绝准确率。
60%待验证Datasette 的权限系统支持在实例级、数据库级和表级分别配置访问控制策略
60%待验证传统RBAC或ABAC模型难以精确描述AI Agent的动态权限需求
60%待验证RBAC 由美国国家标准与技术研究院（NIST）在 2000 年前后标准化，演化出 RBAC0、RBAC1、RBAC2、RBAC3 等层级
60%待验证AI智能体打破了RBAC的设计假设，具有非确定性行为、动态权限传递、语义级粒度缺失和自主性风险
60%待验证权限最小化的落地通常借助RBAC或ABAC，将Agent身份映射到具体权限集，并配合配额上限限制单Agent调用量。
50%待验证独立身份使权限最小化成为可能：不同Agent绑定不同级别的模型访问权限，低敏感任务不再持有高权限密钥。
50%待验证智能体场景下的权限控制需要能力级授权，即限制可调用的工具集合、可访问的数据范围及可执行的操作类型，而非传统RBAC的静态角色授权。
50%待验证集群管理员令牌可对集群内所有命名空间、所有资源执行任意操作，包括读取 Secret、创建 Pod、修改 RBAC 策略等。
50%