一、项目背景

我们的 AI 网关要接几十个业务系统，早年是各接各的账号，API Key 满天飞，谁申请了什么权限说不清。最要命的是离职人员的 Key 没人回收，人走了 Key 还在外面调，越权调用查都查不到，合规审计一来全公司紧张。我们做过一次排查，活跃 Key 里至少有小两成对应已离职或转岗的人，这种敞口放在任何审计里都是红线，老板知道后下令必须收口。更严重的是，有些 Key 权限过大，一个测试账号拿着能调生产全部模型，一旦泄露后果不堪设想，安全团队每次红蓝对抗都能揪出几个这样的敞口，网关成了整个 AI 平台最薄弱的那一环。

二、落地场景

我们把网关接入改成统一 OAuth 单点。业务系统不再各自管账号，统一走企业的身份源做单点登录，调用方在网关侧注册应用，拿到的是短期令牌而不是长期 Key。身份联邦把企业身份源的用户映射到网关里的调用方身份，离职或转岗在身份源一改，网关这边的权限自动失效，不用人工逐个回收。网关侧做了越权检测，某个调用方调了不在它权限范围内的模型或接口，直接拦截并留痕。审计留痕全覆盖，每一次调用都能回溯到是哪个应用、哪个真人发起的，合规检查一键导出。此外，权限也做了最小化，每个应用注册时只申明它要用的模型和接口，网关按申明发令牌，超范围一律拒绝，从根上消灭了大权限 Key。

三、关键技术挑战与解决思路

身份联邦映射最容易出错。我们一开始用自动映射，把测试环境的账号也同步进了生产，结果测试账号在生产网关调了真模型，越权跑了一周才在审计里发现。后来改成映射双审，生产映射必须两人确认，测试和生产严格隔离。短期令牌的刷新要稳，令牌过期前自动续，但不能无限续，我们设了最大生命周期，超期强制重新认证，防止令牌被长期盗用。越权检测不能误伤正常调用，我们按应用声明的最小权限做基线，超出基线的才拦，但基线要经常审视，业务扩权限时忘了更新声明就会误拦，我们加了声明漂移检查。审计留痕量很大，全量存成本高，我们按关键字段抽样加全量索引，查的时候能定位又不爆存储。令牌续期也踩过坑，初期续期接口偶发失败，调用方拿着过期令牌狂重试，把网关刷出限流，后来加了退避和续期预刷新，才稳。

案例片段（已脱敏）： OAuth 接入与身份联邦配置（示意）： auth.mode: oauth_sso token.ttl: short token.max_life: bounded fed.map_review: dual audit.coverage: full permission.model: least_privilege 某网关收口后活跃 Key 中离职关联占比从约 18% 降到 0，越权调用数从每月数十次降到个位数，接入新应用耗时从两天压到两小时，大权限 Key 清零。

四、效果数据

我们主要看 Key 回收时效、越权调用数、接入耗时和审计覆盖率。回收时效从过去的人工数天变成身份源一改即刻失效，离职敞口基本清零；越权调用从每月几十次降到个位数，合规审计不再心惊。接入新应用从原来走流程两天压到两小时，业务方不用再等账号审批。审计覆盖率拉满，每次调用可追溯，合规检查从翻日志变成导报表。文中数据为项目复盘口径，已做脱敏。我们把越权拦截的 pattern 接到了安全运营，哪种越权手法变多提前告警，从被动封堵变成主动发现，安全水位比单纯收口 Key 高了一个档次。最小权限模型上线后，红蓝对抗里能揪出的大权限敞口从好几个降到零，安全团队终于敢说网关这环守住了。

五、可复用经验总结

网关账号绝不能散养，API Key 满天飞就是定时炸弹，我们就是被离职 Key 吓过才下定决心收口，短期令牌加身份联邦比长期 Key 安全得多，人走了权限自动没。身份联邦映射必须双审，尤其生产环境，自动映射翻过车把我们教训够呛，测试账号跑生产这种事一次都不能有。越权检测要带最小权限基线，但基线得常更新，业务扩权忘了改声明就误拦，漂移检查不能省。令牌续期要预刷新加退避，否则过期重试会自伤，我们被限流刷爆过才改。我现在的看法是，网关身份治理的价值不在接入多快，而在把谁在调、调什么、该不该这三问变成默认答案，合规和安全的底气都来自这里，省下的审计加班比系统成本重要。

我们把权限申请也做成了自助流程，业务方在线申明要用的模型和接口，审批人点一下就发令牌，不用再找管理员开 Key。安全团队每月拉一次权限审计报告，哪个应用权限过大一眼可见，收口之后红蓝对抗再没揪出过大权限敞口。

我们把令牌的使用也做了异常检测，某个应用短时间换令牌太频繁或者调了不常用的模型，系统会标异常并临时降权，防止令牌泄露被刷。安全团队靠这个抓到过一次测试环境令牌误配到生产的事故，比人工审计快得多。