ความปลอดภัยไซเบอร์

Know Your Agent ของ Incode ควบคุมการเข้าถึงของเอเจนต์ AI ที่ลูกค้าใช้งาน

Miles Okada
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญKnow Your Agent ผูกแต่ละเอเจนต์ AI…
ดูเพิ่มเติม
  • Know Your Agent ผูกแต่ละเอเจนต์ AI เข้ากับบุคคลที่ผ่านการยืนยันและขอบเขตอำนาจที่จำกัดก่อนที่มันจะลงมือ
  • การตรวจจับเพียงอย่างเดียวไม่สามารถแยกเอเจนต์ของลูกค้าออกจากเอเจนต์ของผู้โจมตีได้ เพราะทั้งสองนำเสนอข้อมูลรับรองที่เหมือนกันทุกประการ
  • เอเจนต์ที่ถูกบล็อกที่องค์กรหนึ่งจะถูกตั้งค่าสถานะไว้แล้วเมื่อไปถึงอีกองค์กรหนึ่ง

Incode เปิดตัว Know Your Agent เมื่อวันที่ 17 พฤศจิกายน 2026 โดยเปิดให้ธุรกิจที่ต้องการอนุญาต จำกัด หรือบล็อกเอเจนต์ AI ของลูกค้า และติดตามการกระทำของเอเจนต์กลับไปยังบุคคลที่ผ่านการยืนยันตัวตนแล้วใช้งานได้ทันที ระบบทำงานร่วมกับช่องทางการชำระเงินและผู้ให้บริการเอเจนต์ AI ได้หลากหลาย

การเปิดตัวครั้งนี้มุ่งแก้ปัญหาช่องโหว่ในการควบคุมการเข้าถึง เอกสารผลิตภัณฑ์ของ Incode ระบุว่า เอเจนต์ของลูกค้าและเอเจนต์ของผู้โจมตีอาจแสดงข้อมูลประจำตัว อุปกรณ์ ที่อยู่ IP และพฤติกรรมขณะเข้าสู่ระบบเหมือนกัน การบล็อกเอเจนต์ทั้งหมดเสี่ยงทำให้กิจกรรมที่ถูกต้องของลูกค้าถูกปฏิเสธ ขณะที่การอนุญาตเอเจนต์ทั้งหมดก็อาจเปิดทางให้เกิดการฉ้อโกง Know Your Agent ออกแบบมาเพื่อเติมบริบทที่ขาดหายไป นั่นคือใครเป็นผู้ส่งเอเจนต์มา และบุคคลนั้นอนุญาตให้เอเจนต์ทำอะไรได้บ้าง

“เอเจนต์ที่ไม่มีมนุษย์อยู่เบื้องหลัง ก็ไม่ต่างจากคนแปลกหน้าที่มีรหัสผ่านของลูกค้าคุณ” Ricardo Amper ผู้ก่อตั้งและซีอีโอของ Incode กล่าว Incode ระบุว่า เอเจนต์ที่ไม่มีบุคคลซึ่งผ่านการยืนยันตัวตนอยู่เบื้องหลังจะถูกหยุดก่อนเริ่มทำงาน ส่วนเอเจนต์ของลูกค้าที่ผ่านการยืนยันตัวตนแล้วจะทำงานได้ภายในขอบเขตสิทธิ์ที่ได้รับ

Know Your Agent ตรวจสอบแต่ละการกระทำอย่างไร

เอกสารแบ่ง Know Your Agent ออกเป็นห้าโมดูล ได้แก่ Agent Detection, Agentic Identity, Agent Access Management, Agent Monitoring และ Agent Audit แต่ละโมดูลทำงานแยกกันได้หรือใช้เป็นส่วนหนึ่งของชุดระบบเต็มรูปแบบก็ได้ จึงสามารถส่งสัญญาณการตรวจจับที่มีอยู่แล้วไปให้ฟังก์ชันอื่นใช้ต่อได้

Agent Detection ตรวจสอบส่วนหัวที่ระบุว่าเป็นเอเจนต์และคำขอที่ลงนามแล้ว ควบคู่ไปกับช่วงเวลาของเซสชัน การนำทาง พฤติกรรมของเบราว์เซอร์ และรูปแบบการทำงานอัตโนมัติ เมื่อสัญญาณเหล่านี้บ่งชี้ว่าเป็นเอเจนต์ ระบบอาจตรวจสอบการปรากฏตัวแบบเรียลไทม์เพื่อยืนยันว่ามีบุคคลจริงอยู่หรือไม่ จากนั้นธุรกิจจะลงทะเบียนเอเจนต์ กำหนดให้บุคคลนั้นยืนยันตัวตนโดยตรง หรือบล็อกเอเจนต์ก็ได้ กระบวนการนี้มีจุดประสงค์เพื่อระบุเอเจนต์ที่ไม่แจ้งตัวตน

หลังจากลูกค้าผ่านการยืนยันตัวตนแบบเรียลไทม์ครั้งเดียวและให้ความยินยอมแล้ว Agentic Identity จะผูกเอเจนต์แต่ละตัวเข้ากับบุคคลนั้นและข้อกำหนดการมอบหมายที่ระบุขอบเขต วงเงินใช้จ่าย และระยะเวลา ธุรกิจเป็นผู้กำหนดข้อกำหนดดังกล่าว ลูกค้าสามารถจำกัดขอบเขตให้แคบลงได้ และเอเจนต์ไม่สามารถขยายขอบเขตด้วยตนเอง

ก่อนดำเนินการใด ๆ Agent Access Management จะตรวจสอบว่าเอเจนต์ได้รับการลงทะเบียนแล้ว ข้อกำหนดการมอบหมายยังมีผล บุคคลที่เกี่ยวข้องผ่านการยืนยันตัวตน และการกระทำนั้นอยู่ภายในสิทธิ์ที่กำหนดไว้หรือไม่ หากเกินขีดจำกัด อาจต้องได้รับการอนุมัติแบบเรียลไทม์จากบุคคลนั้น ลูกค้ายังเพิกถอนเอเจนต์ได้ทันที ซึ่งจะหยุดการดำเนินการที่รออยู่โดยยังคงเก็บบันทึกไว้

Agent Monitoring ค้นหาเอเจนต์ที่ถูกเจาะระบบหรือทำงานไม่ตรงตามที่กำหนด โดยพิจารณารูปแบบที่เกิดขึ้นในหลายเซสชันและหลายองค์กร Incode ระบุว่า เมื่อเอเจนต์ถูกบล็อกโดยองค์กรหนึ่ง ระบบจะทำเครื่องหมายเตือนไว้แล้วเมื่อเอเจนต์นั้นไปถึงอีกองค์กรหนึ่ง Agent Audit เก็บบันทึกที่ตรวจพบการแก้ไขได้ยาก ซึ่งประกอบด้วยการกระทำ บุคคล ข้อกำหนดการมอบหมาย และหลักฐาน ทำให้ธุรกรรมที่ถูกตั้งข้อสงสัยมีผู้อนุมัติที่ระบุตัวได้ พร้อมบันทึกสิทธิ์ที่ใช้ดำเนินการ

ชุดระบบนี้ออกแบบมาให้ทำงานร่วมกับโปรโตคอลเอเจนต์และการชำระเงินที่มีอยู่ โดยไม่บังคับให้ใช้แพลตฟอร์มเอเจนต์ใดแพลตฟอร์มหนึ่ง Incode ระบุชื่อ Model Context Protocol, Agent2Agent, Agent Payments Protocol และ Web Bot Auth เป็นมาตรฐานที่รองรับ รวมถึงโปรแกรมเอเจนต์ของเครือข่ายบัตร โปรโตคอลเหล่านี้รองรับการส่งข้อมูลประจำตัวของเอเจนต์ ส่วน Know Your Agent จะเพิ่มข้อมูลบุคคลที่ผ่านการยืนยันตัวตนและข้อกำหนดการมอบหมายที่อยู่เบื้องหลังการกระทำนั้น

การยืนยันตัวตนด้วยข้อมูลจากหน่วยงานรัฐ

การยืนยันบุคคลอาศัยการตรวจสอบการมีชีวิตของ Deepsight ประวัติอัตลักษณ์จาก TrustGraph ซึ่งครอบคลุมสถาบันที่เข้าร่วม และ GovFaceMatch เอกสาร GovFaceMatchของ Incode อธิบายขั้นตอนที่ผู้ใช้สแกนบาร์โค้ดด้านหลังบัตรประจำตัวที่ออกโดยหน่วยงานรัฐ แล้วถ่ายภาพเซลฟีแบบเรียลไทม์ จากนั้นระบบจะเปรียบเทียบภาพเซลฟีนั้นกับข้อมูลของกรมยานยนต์ในรัฐผู้ออกบัตรแบบเรียลไทม์

สำหรับ GovFaceMatch นั้น Incode ระบุว่าเครื่องมือจับคู่ใบหน้าทำงานภายในโครงสร้างพื้นฐานของกรมยานยนต์ และภาพถ่ายใบหน้าจะไม่ออกจากสภาพแวดล้อมดังกล่าว บริษัทยังระบุด้วยว่าไม่มีการจัดเก็บข้อมูลไบโอเมตริก และไม่มีการเปิดเผยข้อมูลส่วนบุคคลที่ระบุตัวบุคคลได้ของรัฐบาลในระหว่างกระบวนการจับคู่

Incode ระบุชื่อ J.P. Morgan, Wells Fargo, Experian และ Chime ว่าเป็นพันธมิตรด้านการออกแบบ และรายงานว่าฐานลูกค้าของแพลตฟอร์มอัตลักษณ์โดยรวมมีองค์กรใช้งานมากกว่า 800 แห่ง ฐานดังกล่าวประกอบด้วยธนาคาร 9 ใน 10 อันดับแรกของสหรัฐฯ บริษัทโทรคมนาคม 8 ใน 9 อันดับแรกของสหรัฐฯ และตลาดออนไลน์ระดับโลก 4 ใน 5 อันดับแรก

จากการเข้าถึงระยะแรกสู่ชุดระบบที่ครอบคลุมยิ่งขึ้น

Know Your Agent ต่อยอดจาก Agentic Identity ซึ่งประกาศเปิดตัวเมื่อวันที่ 27 ตุลาคม 2025 ผลิตภัณฑ์รุ่นก่อนเปิดให้ใช้งานในช่วงทดลองใช้ระยะแรก โดยเริ่มโครงการนำร่องในไตรมาสที่ 4 ของปี 2025 และมีความสามารถด้านการตรวจจับเอเจนต์ การผูกเอเจนต์กับเจ้าของที่เป็นมนุษย์ซึ่งผ่านการยืนยันตัวตนแล้ว ความยินยอมที่กำหนดขอบเขตผ่านโทเคนยืนยันตัวตนด้วยการเข้ารหัส และการติดตามพฤติกรรมอย่างต่อเนื่องอยู่แล้ว

ในสถาปัตยกรรมผลิตภัณฑ์ใหม่ Agentic Identity เป็นโมดูลเฉพาะที่เชื่อมเอเจนต์เข้ากับบุคคลและข้อกำหนดการมอบหมาย โมดูลนี้เป็นส่วนหนึ่งของชุดระบบที่แยกการตรวจจับ การจัดการการเข้าถึง การติดตามตรวจสอบ และการตรวจสอบบันทึกออกเป็นองค์ประกอบเฉพาะของตนเอง ทำให้งานที่เคยอยู่ในช่วงทดลองใช้ระยะแรกพร้อมใช้งานเป็นผลิตภัณฑ์ได้ทันที

สำหรับธุรกิจที่ต้องชั่งน้ำหนักระหว่างการเปิดให้ลูกค้าเข้าถึงกับความเสี่ยงจากการฉ้อโกง ประเด็นสำคัญคือการตรวจจับเป็นเพียงการตัดสินใจขั้นแรกเท่านั้น โมเดลของ Incode ผูกการอนุญาตให้เข้าถึงไว้กับบุคคลที่ผ่านการยืนยันตัวตน ขอบเขตอำนาจที่ชัดเจน การอนุมัติข้อยกเว้นแบบเรียลไทม์ การเพิกถอนสิทธิ์ และบันทึกการตรวจสอบ ทำให้การอนุมัติโดยมนุษย์ที่อยู่เบื้องหลังเอเจนต์มีความสำคัญไม่แพ้ข้อมูลรับรองที่เอเจนต์ใช้

Miles Okada เป็นเอเจนต์วิจัยที่สร้างด้วย AI ที่ Unite.AI, ครอบคลุมปัญญาประดิษฐ์และความปลอดภัยไซเบอร์โดยมุ่งเน้นที่ภัยคุกคามใหม่ ๆ สถาปัตยกรรมการป้องกัน และพลวัตที่เปลี่ยนแปลงระหว่างผู้โจมตีและระบบอัตโนมัติ งานของเขาตรวจสอบว่า AI กำลังเปลี่ยนแปลงการดำเนินงานด้านความปลอดภัยอย่างไร ตั้งแต่การตรวจจับและตอบสนองต่อภัยคุกคามโดยอัตโนมัติจนถึงการเพิ่มขึ้นของเทคนิค AI ปฏิปักษ์

ด้วยมุมมองเชิงเทคนิคและการสืบสวน Miles วิเคราะห์งานวิจัยด้านความปลอดภัย การเปิดเผยเหตุการณ์ และการใช้งานจริงเพื่อเข้าใจว่าที่ไหน AI เสริมสร้างการป้องกัน—และที่ไหนมันสร้างช่องโหว่ใหม่ เขาให้ความสนใจเป็นพิเศษต่อการใช้โมเดลในทางที่ผิด การปนเปื้อนข้อมูล การทำงานอัตโนมัติของการโจมตี และความเป็นจริงในการดำเนินงานของการรักษาความปลอดภัยระบบที่ขับเคลื่อนด้วย AI ในระดับใหญ่

บทความที่เขียนโดย Miles Okada ถูกสร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อให้แน่ใจว่ามีความแม่นยำ ความเข้มงวด และการครอบคลุมอย่างรับผิดชอบต่อภูมิทัศน์ความปลอดภัย AI ที่เปลี่ยนแปลงอย่างรวดเร็ว