本文首次对 Microsoft 365 (M365) 第三方应用生态系统进行面向隐私与安全的系统性测量研究。M365 租户可通过 OAuth 细粒度权限授予第三方应用访问电子邮件、文件、日历、聊天和用户目录等敏感组织资源的权限，但该生态系统的安全状况此前缺乏大规模实证分析。研究者结合公开市场 API 与自动化的租户侧部署，爬取了超过 8,000 个应用，发现仅有 1,069 个应用同时公开了描述和权限集，且各官方分发渠道的透明度存在显著不一致。针对这些有完整数据的应用，作者提出一种主题感知的异常检测框架：首先利用神经主题建模对应用声明的功能进行聚类，然后在每个主题内应用无监督异常检测，识别与同级应用权限配置偏离的个体。通过 LLM 辅助分析和盲审采样，验证了权限异常与应用风险之间存在相关性。研究发现大量应用请求过宽的租户级权限范围（如目录级读写权限），明显违反最小权限原则，扩大了组织的攻击面。最后，作者提供的检测流水线能够向租户管理员标注异常应用并解释哪些权限导致了异常。该研究揭示了 M365 应用生态在权限披露和权限管控方面存在结构性的不成熟与不透明，为管理员和安全团队提供了切实可行的治理建议。

随着AI代理（如自主型语言模型代理）的普及，用户面临的风险日益增加。提示注入攻击和幻觉问题可能导致代理将私人信息泄露给第三方；作为自主系统，代理还可能执行未获用户意图或授权的敏感操作（例如银行交易）。为应对这些挑战，代理安全社区已提出诸多安全系统方案，但多数专注于产品级方法，即由开发者对全体用户统一应用安全策略和权限。然而，不同用户的需求和偏好各异，因此有必要支持用户级权限策略。为了解AI代理系统如何处理用户级权限，本文调查了21个代理权限系统提案。通过审查，作者构建了一个分类法，涵盖不同系统如何在用户界面和内部指定用户级权限策略、如何从用户输入推导内部策略，以及如何在运行时强制执行这些策略。随后，作者分析了五个主流商用代理，并将其权限处理方式与文献中的代理权限系统进行对比。研究识别出文献和商用代理中存在的若干高层主题，以及多个有待未来填补的空白。本工作为代理权限系统的设计提供了系统性参考，有助于开发更安全、更贴合用户需求的代理系统。