در توسعه عامل‌های هوش مصنوعی (AI Agents)، یکی از چالش‌های حیاتی، مدیریت عملیات حساس (Security-sensitive actions) است که نباید صرفاً به تصمیم LLM واگذار شوند. برای مثال، در یک سیستم مدیریت هزینه‌ها، تأیید نهایی یک تراکنش مالی نباید تنها با یک عبارت ساده مانند «تأیید شد» در محیط چت انجام شود، زیرا این روش فاقد اثبات رمزنگاری (Cryptographic proof) است و ریسک خطای مدل یا حملات تزریق دستور را دارد.
معرفی استاندارد CIBA برای تأییدات خارج از باند
برای حل این مشکل، از پروتکل Client-Initiated Backchannel Authentication (CIBA) استفاده می‌شود. برخلاف جریان‌های معمول OAuth که کاربر باید در مرورگر حضور داشته باشد، در CIBA یک اپلیکیشن بک‌اند (مانند AI Agent) درخواست احراز هویت را آغاز می‌کند و کاربر از طریق یک کانال مجزا (Out-of-band)، مانند اعلان Push در تلفن همراه، پاسخ می‌دهد.
جریان عملیاتی تأیید هوشمند
- ارسال اعلان متصل (Binding Message): عامل AI یک درخواست ارسال می‌کند که شامل جزئیات دقیق تراکنش است (مثلاً: «تأیید هزینه ۴۵۰ دلاری برای شام کاری»). این شفافیت مانع از تأییدات تصادفی کاربر می‌شود.
- تأیید در دستگاه کاربر: مدیر از طریق اپلیکیشن Auth0 Guardian یا هر SDK سفارشی، درخواست را مشاهده و Approve یا Deny می‌کند.
- دریافت توکن و اجرای عملیات: پس از تأیید، یک Access Token با Scope مشخص (مانند
approve:expenses) صادر می‌شود که عامل AI از آن برای ثبت تصمیم در API نهایی استفاده می‌کند.
نیازمندی‌های فنی و پیاده‌سازی
برای پیاده‌سازی این معماری در محیط .NET، مراحل زیر ضروری است:
۱. پیکربندی API: ایجاد یک Minimal API در ASP.NET Core که با استفاده از Policyهای Auth0، تنها توکن‌های دارای دسترسی approve:expenses را می‌پذیرد.
۲. تنظیمات Tenant: اپلیکیشن باید به عنوان یک Confidential Client تعریف شود (دارای Client Secret) زیرا CIBA در SPAها یا Native Appها به دلیل عدم امکان ذخیره‌سازی امن Secret پشتیبانی نمی‌شود.
۳. یکپارچه‌سازی با Microsoft Agent Framework: ایجاد یک سرویس اختصاصی (مانند ManagerApprovalService) که وظیفه ارسال درخواست CIBA و Polling برای دریافت نتیجه را بر عهده دارد و سپس به عنوان یک Tool در اختیار Agent قرار می‌گیرد.
تحلیل امنیتی معماری نهایی
این رویکرد باعث می‌شود چرخه کامل هویت و دسترسی (Identity & Access) تکمیل شود:
- احراز هویت: استفاده از Universal Login برای شناسایی کاربر.
- کنترل دسترسی: بهره‌گیری از Fine-Grained Authorization (FGA) برای محدود کردن داده‌های قابل مشاهده توسط LLM.
- مدیریت اسرار: استفاده از Token Vault برای جلوگیری از رسیدن توکن‌های حساس (مانند Gmail Token) به لایه مدل.
- تأیید انسانی: استفاده از CIBA برای اطمینان از اینکه تصمیمات حساس توسط انسان و در محیطی امن تأیید شده‌اند.
