摘要
针对开源运行时中 AI 代理默认暴露所有工具导致的“能力过度配置”问题，现有防御机制仅关注隔离与检测，无法按需学习最小技能集。本文提出 Aethelgard，一种四层自适应治理框架。该框架通过强化学习策略分析审计日志，动态界定每类任务所需的最小可行工具集，并利用混合分类器在执行前拦截调用，从而在保障安全的前提下实现最小权限原则，显著降低代理的风险暴露面。
AI 推荐理由
论文核心在于动态管理 Agent 的工具集（技能），通过学习策略确定最小可行技能集，直接解决技能过度配置问题。
研究机构
Institute for Applied AI Research, Faculty of Computer and Information Science, Ben-Gurion University of the Negev, Beer Sheva, Israel
论文信息