甲骨文发布Deep Trust架构 四层管控企业AI权限

时间：2026年10月26日（美国拉斯维加斯，Oracle AI World 大会当日） 地点：美国拉斯维加斯（Oracle AI World 2026），面向企业 IT 与数据管理者 人物：甲骨文 AI 数据库技术执行副总裁 Juan Loaiza；分析师机构 HyperFRAME Research 首席执行官 Steven Dickens 事件详情：2026年10月26日，甲骨文在 Oracle AI World 大会上发布 Deep Trust AI Architecture，官方定位是一份「蓝图」——它不试图让每一个智能体或 AI 应用自己实现安全规则，而是把信任做成企业技术栈的内置属性。整套架构落在企业技术栈的四个关键层：软件平台层、数据层、数据访问层、应用开发层。 四个层次各自对应具体机制。在软件平台层，Oracle Autonomous AI Database 通过滚动补丁（rolling patching）在数据库引擎、操作系统、存储与固件层面自动应用安全更新，且更新在公开发布之前就已就位、应用不中断；配合静态与传输中始终加密，对授权用户与应用透明解密。在数据访问层，Deep Data Security 会从企业目录签发的令牌中核验身份，再把访问规则落到每一条 SQL 请求上；SQL Assertions 机制则直接阻断违反业务规则的变更，例如超出员工差旅额度标准的报销申请。在数据层，Deep Trust Data APIs 让智能体只通过受控接口操作被显式定义的业务对象，Deep NL2SQL 则把企业自身的业务术语与业务上下文接入自然语言提问。在应用开发层，Oracle APEX AI Application Generator 允许开发者沿用 VS Code、Oracle APEX 或 Codex 等任意 AI 编码智能体来生成应用定义，而不是由智能体直接运行生产代码。 Loaiza 的表述点出了这份架构的现实动因：AI 正在帮助攻击者更快发现漏洞、更快逆向已公开漏洞，完整且及时的打补丁因此变得必要；而一旦把访问规则只写在应用层代码里，由 AI 生成的代码就可能写错规则，智能体通过 MCP 或 NL2SQL 直连数据库更可能完全绕过规则。Loaiza 同时强调数据库级管控应当与既有网络安全基础设施互补而非替代——他用中世纪城堡的多层防御墙作类比，认为传统安全厂商主要应对外部威胁，而数据库级安全可以基于用户身份、数据结构和业务规则施加更细粒度的限制。 第三方分析师观点方面，HyperFRAME Research 首席执行官 Steven Dickens 认为企业 AI 竞争已进入新阶段，甲骨文正在把战场从「模型智能」转向「架构信任」，并强调这种在智能体访问、理解与操作企业数据的全链路上统一嵌入管控的做法，与逐个应用打补丁的思路有本质区别。 背景：Oracle 的这次发布与它近期一系列动作是同一条线——从把 ChatGPT Work、Codex 部署进内部系统，到面向金融与医疗行业的数据库与 APEX 智能体，再到位列实体图的现代应用，再到本次把安全与治理下沉到架构层。Loaiza 也提到，组织间的数据准备度差异很大：同一个「收入」概念在销售与财务口径下可能含义不同，AI 若不接入企业的业务定义就必然答错，因此企业除了配技术，还需要自己把业务规则说清楚、把数据权限管起来。反过来，如果 AI 能承担更多规则维护工作，复杂手工维护的知识结构负担也会下降。甲骨文自己的 Maximum Availability Architecture 此前就是用类似的「蓝图」思路服务关键业务连续性，这次是把这套方法平移到 AI 信任议题上。 影响： - 这份架构的实际约束点不在模型层，而在数据库。智能体拿到多少权限、能看到哪些业务对象、能否触发超出规则的操作，最终由数据库这一层裁决——对已经在用 Oracle 体系的企业，落地路径相对清晰，对异构环境则意味着要先解决身份与策略的统一。 - 「在更新公开发布之前就完成补丁」这一点，对此前反复因漏洞被利用而承压的数据库运维是实质性缓解；同时它也意味着 AI 正在被用于攻击面提速，企业若仍只依赖外部边界防护，缺口会被进一步放大。 - 值得留意的是这份架构的受益者与买单者并不完全重合：受益者是使用 AI 的业务部门，买单的是必须为错误结果负责的合规与安全部门。Loaiza 把信任称为「今天最大的挑战」，恰恰说明企业内部在如何验收 AI 生成结果上尚无共识，而这部分工作不会因为买了架构就自动完成。 总结：Oracle 把 AI 安全的重心从「每个应用自己做好防护」搬到了「让平台、数据和运行时替智能体兜底」，思路类似当年用 MAA 蓝图解决高可用问题。Loaiza 说得很直白——不信任 AI 生成结果， enterprises 拿不到 AI 的生产力红利；只是这一整套防线最终压在数据库层，对异构架构的企业而言，迁移成本可能比防护本身更难决策。考虑到这是架构层方案而非产品，其短期影响更体现在企业架构讨论与采购规划中，真正的验证要等到具体智能体在受控权限下的运行结果。 参考来源： https://www.oracle.com/news/announcement/ai-world-oracle-announces-deep-trust-ai-architecture-to-help-enterprises-innovate-with-confidence-2026-10-26 https://finance.yahoo.com/technology/ai/articles/oracle-announces-deep-trust-ai-120000449.html https://www.aiimpacthub.com/ai-news/2026-10-27 https://decisioninsights.ai/vendors-release-ai-agent-tools-and-physical-ai-platform-updates-week-of-october-26-2026 https://www.dbta.org/2026/10/oracle-unveils-deep-trust-ai-architecture/