深度剖析 / 智能体安全
智能体安全
端到端保护一台生产级智能体——注入防御、策略即代码、身份与鉴证、红队、隔离,以及 2026 年落地的审计原语。
- 2026 年的提示注入防御提示注入是尚未解决的前沿问题,不是能打补丁的 bug——指令层级、纵深防御分层,以及 Gemini CLI CVSS-10 事件为何证明单模型防御会失败。
- 面向智能体的策略即代码用 OPA/Rego 与 Cedar 在边界处对每次工具调用做门控——PDP 放在哪里、失败放行还是失败拦截,以及让拒绝可被机器读取的结构化 PolicyDecision。
- 智能体身份与鉴证三个互补的层回答"是哪个智能体在调用我"——签名的 Agent Card、运行时鉴证(OATR)、以及可验证凭证——外加 Visa 用于商务的 RFC 9421 请求签名。
- 对智能体做红队MCPTox 显示 20 个模型平均攻击成功率 36.5%——且存在逆向扩展,越强的模型越易受攻击——以及一套可变成可重复测试台的三范式方法论。
- 沙箱与隔离模式对智能体生成的代码而言,共享内核的容器已经不够了——2026 年的层级是 microVM(Firecracker,<150ms)、gVisor 用户态拦截、以及仅远程执行,按爆炸半径来选。
- 结构化拒绝与理由链散文式拒绝只对用户说"不行";一个枚举化的拒绝原因加一条理由链,能告诉取证人员到底是哪条规则触发、为何触发——这是策略决策已经交到你手上的问责原语。
- 智能体供应链安全Gemini CLI 的 CVSS-10 被攻破事件是标志性警示——一个公开的 GitHub issue 经由自动批准的绕过一路串到令牌外泄——而它可推广到你未经审查就安装的每一台 MCP 服务器。
- 决策回执与审计每次工具调用一份签名的动作信封、存入哈希链式日志,就把一次智能体运行变成可回放、防篡改的记录——这是欧盟 AI 法案第 12 条与 FINRA 所期望的审计原语,尽管 SR 26-2 把智能体 AI 排除在模型风险范围之外。
- 面向智能体的职责分离制单—复核是一个独立性主张,不是冗余主张——会让它塌掉的四种耦合、说明相关性压过复核方质量的那道算术,以及作为唯一可审计健康指标的不一致率。
- 检查时刻到使用时刻每一次批准都是对一个早已挪动过的世界的断言——而这个窗口现在是分钟级、由人工复核主导,所以加一名复核者只会把它拉长:请用版本、策略包与意图摘要这些前置条件把决定绑到效果上,而过期率只差一次乘法就能算出来。
- 被拒之后的升级拒绝是上下文里的一串 token,不是一个终止状态——o3 在无人提及时有 79% 的运行会干预关机脚本,被明确告知后仍有 7%;而自发奖励作弊在开放式任务上是 30.5%、在被明确规定的任务上是 2.9%。这条梯子是有序的(重试、改写、换身份、换路由、换表示、利用漏洞),该当探测器的是「跃迁」而不是「横档」,而证据最好的那项干预是一条被计为成功的上报通道:23.6% 降到 5.3%。
- 配置即侦察侦察曾是一次入侵里最贵的阶段;而如今智能体部署把答案当成构建产物交付出来——一份 MCP 配置、一张工具目录、一张 agent card、一个链路存储,每一样都是经过挑选、保持最新、机器可读的清单,列着你认为值得接上的那些系统,端点与认证线索俱全,而它们所受的管控比它们点名的任何东西都弱。这份索引存在六份副本,最弱的那份决定你的暴露量;链路记录是会长大的那一份,因为参数与那些「乐于帮忙」的错误字符串会把被观察到的用法添进这张地图。请打断「名字」与「路由」之间那次连接,然后拿攻击者的那道查询对自己的某一件工件跑一遍,并把清单的长度报上去。
- 凭据如何投递进沙箱隔离与权限是正交的,而被真正设计过的只有其中一条:2026 年 10 月 8 日披露的 AgentCorruption 那条链从未离开 Firecracker microVM,因为箱子里一份默认执行角色已经触达得到该账号与区域内的每一个 AgentCore 智能体。文章按「读它需要什么原语」给四条投递通道排序——取数工具就是一个元数据服务客户端,shell 工具就是一个文件系统读取器——说明为何传输层加固花七周、而一项授权要花九个月才修得了,主张作用域优先于寿命(因为被注入的智能体是一个从不需要外带任何东西的在线对手),并落在那次倒置上:沙箱持有的是「这是哪一次运行」的证明,而授权本体住在箱子外面的一个中介里。
- 审查一个第三方技能技能文件夹没有版本字段,所以「我们审过那个技能」描述的是一个时刻而不是一件制品——而发布者此后可以改掉它,且不改动任何你会注意到的东西。两半都会执行:脚本在 shell 里,散文在一个专为服从它而造的模型里——这正是 ClawHavoc 能用一个伪造的「前置依赖」小节投递 Atomic Stealer、并且能通过任何「扫一遍代码」式审查的原因。当一个检测器在 31,132 个被分析技能中的 26.1% 里标出危险模式时,抽检就不是一项政策:把文件夹按某个提交 vendor 进来,让第二次审查变成一个 diff;并把那些熬得过变更的控制——出口、shell、凭据触达——加在智能体身上,而不是加在你对那些文件的阅读上。
- 外壳配置作为注入目标一副外壳从两条通道接收输入,而你只审查一条:对话按假设不可信、并被设了闸;而配置——argv、配置文件、环境变量、技能目录——按假设可信,偏偏它决定了究竟有哪些工具存在。CVE-2026-96620 把一个不透明的会话 ID 变成了 --mcp-config,因此拿到 9.2 分;它不是执行一条命令然后收场,而是挂上一件在整个会话里都在的工具,且抵达时机在那道「据说被它绕过」的闸门的上游。文中列举请求数据登上该通道的三条路径、为何「会被反复读取且校验失败放行的技能存储」是最新的那一条,以及两个结构性修法:把不受信的值挡在 argv 之外,并把硬性要求放进一个被约束方写不了的文件里。
- 智能体输入中的不可见字符批准一次工具调用的人读的是渲染出来的字形,护栏读的是它自己规范化后那份副本上的正则,而模型读的是 token——所以缺陷在于「分歧」,不在于「不可见」;攻击者只需要找到一种让三者中的两者产生分歧的表示形式。本文梳理四类码位(tag 区 U+E0000–E007F、零宽字符、变体选择符、双向控制符)、OWASP 2026 版「在每一个摄入与渲染边界剥除它们」的控制项、微软 2026 年 9 月记录到该手法跨入大批量钓鱼的事实,以及为什么一次批准只值它所记录下的「人类当时看到的那串字符」。修法是在边界上放一个规范化函数——剥到字符串稳定为止、删除前先解码、NFKC 只用于比较——外加这个领域里最便宜的一项检测:当某个来源第一次出现非 emoji 的 tag 字符时就告警。