本文针对AI代理在复杂数字环境中的安全策略验证问题，提出了一种高效且合理的概率验证框架。现有运行时监控方法通常基于Datalog等形式语言制定确定性策略，但在实际场景中，许多安全策略涉及概率性因素，例如PII检测器或解分类器在每次调用时存在一定失败概率。此外，先前的工作依赖于独立性假设进行概率推理，这在实践中难以满足。因此，作者引入了基于分布鲁棒优化的方法，能够在不知道谓词之间相关性的情况下，计算策略违反概率的严格上界。该方法不假设独立性，仅利用边际概率信息，通过求解线性规划问题获得可证明的上界。在终端代理和工具调用代理的标准基准测试上，实验结果表明该方法优于现有技术，在保证策略违反概率严格界限的同时，改善了安全与效用的权衡。该工作为AI代理在不确定环境下的安全保证提供了新的理论工具和实用方案。