Google Beyond Zero：AI 時代的企業安全

Google 推出 Beyond Zero，一種新安全架構，旨在解決自主 AI 代理所產生的漏洞以及企業資料存取指數級增長的問題。Beyond Zero 將信任邊界從應用層級轉移到個別行動與資源層級，讓人類與 AI 代理都能即時、以機器速度作出授權決策。

從 BeyondCorp 到 Beyond Zero 的轉變

Beyond Zero 繼承並演進了 Google 於 2014 年推出的 BeyondCorp 模型，以符合「代理時代」的需求。BeyondCorp 著重於身分與裝置為基礎的應用程式存取，而 Beyond Zero 則認識到 AI 代理的資料存取速率遠高於人類，且常在龐大、非結構化的資料集上進行推理。

根本的差異在於控制的粒度。BeyondCorp 以「人類速度」運作，採用以應用程式為中心的邊界；Beyond Zero 則以「機器速度」運作，透過評估對特定資料執行的具體行動，每秒仲裁數千項決策。

核心架構元件

Beyond Zero 使用由四個主要元件組成的持續回饋迴路，即時判斷特定行動是否安全。

1. 自主治理

此元件建立「企業世界模型」，提供存取決策所需的情境。它使用 AI 將非結構化資料前處理為三個維度的靜態屬性：

• Who（誰）： 身分、角色、資歷，以及任何 AI 代理的控制人類。
• What（什麼）： 資料敏感度的語意理解（例如「皇冠珠寶」）與資料類型。
• How（如何）： 歷史使用模式、團隊成員關係與目前的工作分配。

2. 事件收集

為了推理風險，系統從多個來源攝取高保真度的事件串流：

• Server-side（伺服器端）： 來自 API、代理伺服器與生產力應用程式的存取日誌。
• Client-side（用戶端）： 裝置內訊號、瀏覽器狀態與 DLP（資料遺失防護）日誌。
• Agent activity（代理活動）： 提示輸入、執行計畫與工具呼叫，以確保代理與使用者意圖保持一致。

3. 推理引擎

推理引擎是核心決策中心。它採用分層 AI 系統提供兩種評估速度：

• Fast Path（快速路徑，政策評估）： 執行細粒度的屬性基礎存取控制，即時阻止高風險操作。
• Slow Path（慢速路徑，推論）： 在較長的活動窗口中偵測複雜異常（例如使用者存取的檔案量是同儕的 500%）。

4. 挑戰基礎設施

當推理引擎偵測到模糊或風險時，它會觸發回應，而非二元的「允許/拒絕」：

• Challenges（挑戰）： 具情境感知的資訊請求，例如說明、驗證安全金鑰、主管批准或生物特徵檢查。
• Containments（遏止）： 持久的「停止標誌」以撤銷存取，阻止正在進行的攻擊，可能需要人類安全團隊介入才能解除。

比較：BeyondCorp 與 Beyond Zero

功能	BeyondCorp（舊版）	Beyond Zero（新版）
信任邊界	應用程式 / 工具	個別行動 / 資源
決策速度	人類速度	機器速度
政策類型	靜態（允許/拒絕）	靜態與動態（推論與中斷）
情境	身分 + 裝置	身分 + 裝置 + 行為 + 資料情境
意圖	簡單靜態評估	使用者 + 代理意圖 vs. 政策意圖
調查	事後調查	近即時整合授權

批判性分析與產業觀點

雖然 Google 將 Beyond Zero 視為 AI 安全的策略必需，但技術社群對非確定性安全模型的實作提出了多項疑慮。

非確定性與信任

批評者認為，用 AI 驅動的推論取代確定性的零信任規則會帶來不可預測性。

「零信任是確定性的。AI 是非確定性的。非確定性的存取控制是糟糕的想法」

新的攻擊向量

人們擔心「推理引擎」本身會成為高價值目標。如果掌管所有存取的核心「大腦」被入侵，整個企業將暴露。此外，有觀察者指出，安全層的複雜度提升可能超過其所保護的應用程式的複雜度。

「笨拙」代理的風險

部分分析師認為，此模型過度關注惡意意圖，卻低估了 AI 「反射」或幻覺所導致的意外資料遺失。這顯示需要加強可稽核性與可逆性（例如刪除操作的回滾窗口），同時結合即時授權。

未來產業需求

Google 呼籲全產業標準化，以使 Beyond Zero 模型在不同平台上皆可行，具體請求包括：

• 標準化 API：用於代理內省與即時分析思考鏈/工具使用。
• 代理身分標準：確保所有行動可歸屬於特定代理、使用者與任務。
• 可插拔政策框架：讓 SaaS 產品能整合外部、由企業運營的決策點。