企业 AI 智能体共享记忆的血缘门控列级访问控制框架

摘要

针对企业 AI 智能体共享记忆的两类未被处理的风险——通过请求者本无法推导的合法计算结果泄露敏感数据，以及部门以冲突逻辑静默计算同名 KPI——作者提出 Analytical Memory Unit（AMU）记忆模式：为每条缓存结果附加完整推导（血缘）图，检索策略仅在请求者对所涉每个列都有权限时才返回命中。在血缘记录完整的前提下，该策略以构造方式证明可阻断越权检索敏感列派生结果，最坏复杂度为 O(n)；这是有条件的设计保证，而非实证主张。实测消除泄露需要 75–90% 的血缘完整度，故将 90% 作为保守部署目标。六组实验显示，血缘门控检索消除了朴素内容门控记忆 18.8–25.5% 的跨部门泄露，同时保留 81.5–82.6% 的记忆复用，最坏开销 13.8 微秒。基于 LLM 生成 SQL 的真实智能体概念验证与该保证一致：9 次往返零泄露、自动发现两处冲突，但仅为可行性演示，不构成生产可用性证据。