【初阶·融合】AI 推理服务密钥与凭证安全治理深度解析：从 K8s Secret 到外部密钥管理与动态凭证专栏：《AI 工程与安全深度实战》· 第8轮·第3篇核心痛点：一个 AI 推理服务从启动到对外提供能力，至少要携带四五类凭证——拉模型的 HuggingFace Token、拉镜像的 imagePullSecret、访问云存储的 SA 密钥、保护端点的 vLLM API Key、连向量库的数据库密码——而绝大多数团队把它们一股脑塞进 K8s Secret 再 base64 编码后提交到 Git，误以为"编码即加密"，一旦镜像仓库或 CI 流水线泄露，整条推理链路的密钥一夜全部失守适配人群：正在 Kubernetes 上部署 vLLM/Triton/KServe 推理服务的云原生工程师、需要为 AI 工作负载设计密钥管理方案的平台与安全工程师、刚接触 GitOps 想把密钥也纳入声明式管理但又怕泄露的 MLOps 实践者、希望从"静态长有效期凭证"迁移到"动态短时凭证"但不知如何下手的团队负责人收获能力：建立以"凭证分级 - 外部托管 - 动态签发 - 最小权限注入"为主线的密钥安全认知地图，深入理解 K8s Secret 的真实安全模型与 base64 陷阱，掌握 External Secrets Operator、Sealed Secrets、SOPS、Vault 四类方案的原理与选型权衡，能用 ESO+Vault 为 vLLM 推理服务搭建从外部密钥库到