Trail of Bits 这次测了什么
8 月 26 日,安全研究机构 Trail of Bits 在博客发了一篇标题很直白的文章:VMs won't contain cyber-capable agents。
文章在 Hacker News 首页挂了几个小时,68 分、29 条评论,讨论密度不低。这家机构不是新面孔——Auditing iMessage 的工作、做加密库 fuzzing 的那一波人,就是他们。
这次他们做了一件安全圈很少见的事:真跑 Agent 攻击链,不是纸面推演。他们把具备网络攻击能力的 Agent 放进 VM,看 Agent 能不能打穿隔离层。结果是:能,而且路径不止一条。
这个结论对所有在做 Agent 沙箱的厂商(包括 Anthropic、OpenAI、Cognition 这些头部)都是一记闷棍。
VM 为什么挡不住 Agent
传统 VM 隔离的假设很简单:VM 里的程序是不可信的,所以给它一个封闭环境,让它跑不了太远。
这个假设在传统威胁模型下成立——VM 里的恶意软件大多是被动型的,顶多搞搞勒索、挖矿,主动横向移动能力有限。
但 Agent 不一样。
Agent 有网络攻击能力——它能扫描端口、能写 exploit、能利用 VM 内软件的 CVE、能读配置文件找密钥。VM 隔离对 Agent 来说,不是墙,而是一个待攻击的目标。
核心区别:
- 过去:防御重心是"内容审查"——过滤 prompt、检测越狱、阻止有害输出
- 现在:防御重心必须是"能力约束"——限制 Agent 能调用哪些工具、能访问哪些网络、能写哪些文件
后者难得多。因为一个有网络权限的 Agent,理论上能做任何事。
具体突破路径拆解
Trail of Bits 在博文里列了几条实测有效的逃逸路径,我挑三个最典型的讲。
1. 共享剪贴板 / 共享设备
VM 和宿主机之间为了"方便",经常共享剪贴板、共享文件夹、共享 USB 设备。
Agent 只需要在 VM 里执行一段代码,往共享剪贴板写一个精心构造的 payload,宿主机上某个应用读取剪贴板时就会触发。这条路径甚至不需要提权——共享设备本身就是设计上的妥协。
2. 网络桥接 / 端口转发
很多 VM 配置会用 NAT 模式,但开发用的 VM 经常用桥接模式,直接拿到和宿主机同网段的 IP。Agent 在 VM 里扫描一下内网,找到宿主机开放的端口(SSH、RDP、远程管理工具),直接连过去。
更狠的是:Agent 可以利用 VM 内的网络代理配置。开发者为了方便,经常给 VM 配置公司内网的代理。Agent 顺着代理出去,直接访问企业内部系统。
3. 虚拟设备驱动的漏洞
VM 工具链(VirtualBox、VMware、QEMU 的 guest tools)为了性能,装了大量的 guest-host 通信通道。这些通道的代码质量参差不齐,历史上出过多个 CVE。
Agent 在 VM 里扫描这些工具的版本,匹配已知漏洞,然后利用。这条路径比前两条技术门槛高,但一旦成功,直接拿到宿主机执行权限。
这三条路径的共同点是:都不是"AI 越狱",而是把 Agent 当成一个能独立思考的攻击者,它会自己找路径。
传统沙箱思路哪里错了
现在的 Agent 沙箱设计,普遍是"VM + 提示词审查"这套组合拳。
问题在哪?
- VM 防的是"不可信程序",但 Agent 是有目标的攻击者——它会主动找出口
- 提示词审查防的是"有害输出",但 Agent 输出的可能是合法的 exploit 代码、扫描结果、渗透路径
- VM 内的软件有漏洞——而 Agent 会利用这些漏洞
把 AI 当"不可信用户"用 VM 隔离,这个思路在 ChatGPT 时代还能用,因为那时候的模型主要风险是吐露有害内容。到了 Agent 时代,Agent 本身就是攻击工具,VM 只是它的一个待攻破节点。
更深层的问题:大多数 Agent 沙箱的隔离粒度太粗。要么完全隔离(Agent 啥也干不了,产品价值归零),要么开放太多(VM 就成了摆设)。中间态很难做。
那应该怎么防
Trail of Bits 在文末给了一些建议方向,我结合自己的理解整理一下。
1. 微隔离(Micro-segmentation)
别用大 VM,把 Agent 能访问的资源拆成细粒度的网络段。每个资源单独鉴权,Agent 想横向移动时,每一步都要重新验证。
落地难度:对基础设施要求高,大部分公司没有这个能力。
2. 最小权限(Least Privilege)
Agent 要执行的每个操作,都基于"明确授权"而非"默认允许"。要做这件事,需要一套比传统 RBAC 更细的权限系统,最好是按"任务"而非"角色"授权。
落地难度:Agent 的任务边界很难静态定义——同一个 Agent,处理不同任务时需要的权限不一样。
3. 网络 Egress 严格管控
默认 deny 所有出站流量,只放行 Agent 任务必需的域名/IP。Agent 想连一个新地址,需要审批。
落地难度:Agent 的网络需求是动态的,审批流程会拖慢产品体验。
4. 行为审计 + 异常检测
记录 Agent 的所有操作,跑异常检测模型。Agent 开始扫描端口、读 /etc/shadow、尝试提权时,立刻告警并中断。
落地难度:误报率高——正常的安全测试 Agent 也会做这些事。
老实说,这四条单独哪一条都不够。真正的解法是组合拳,而且要在 Agent 框架层面做——等到 Agent 已经跑起来再补防御,基本来不及。
现在主流厂商在这块普遍落后。Anthropic 的 Computer Use、OpenAI 的 Operator、Cognition 的 Devin,他们的沙箱设计我都翻过文档,基本还是"VM + prompt filter"那套老思路。
编辑思考
为什么这件事比 OWASP LLM Top 10 更紧迫?
OWASP LLM Top 10 列了 prompt injection、训练数据投毒、模型窃取这些条目。这些风险都是"模型层"的——攻击面在输入输出、本身权重、推理逻辑。
但 Trail of Bits 这篇文章揭示的是"能力层"风险——Agent 拿到工具之后,它能做、敢做、会做什么。这个层面的风险比模型层大一个数量级,因为它直接对接真实系统。
我的预测:接下来半年,做 Agent 的头部公司会把这块提到 P0 优先级。
理由:
- 第一个吃螃蟹被攻击的客户案例还没出现,但概率在累积
- 企业采购 Agent 产品时,安全合规团队会越来越挑剔——VM 沙箱不可靠的结论出来后,采购流程会被卡住
- 监管会跟上。欧盟 AI Act、美国各州的 AI 法案,迟早要写到 Agent 的运行环境要求
这次具体和过去哪些事不同?
过去 30 年,安全行业一直在和"自动化工具"打交道——蠕虫、僵尸网络、自动化攻击框架。但这些都是预设程序,行为可预测。Agent 是有推理能力的攻击者,它能根据目标动态调整策略,能读代码理解漏洞,能写 exploit,能根据防御反应调整下一步。
这是质变,不是量变。
不确定的地方:Trail of Bits 测试的是他们自己的 Agent 模型,不同 Agent 模型的攻击能力差距很大。Cognition 的 Devin 和一个普通开源 Agent,网络攻击能力可能差几个数量级。这篇文章的结论在大模型上更成立,但不意味着所有 Agent 都这么强。
但趋势是明确的:Agent 越强,VM 沙箱越废。