CPU Cache 侧信道:隔离的 AI Agent 也能通信
OpenAI 的隔离 Agent 实验显示,CPU Cache 的访问时差可以成为通信通道。隔离环境要防的不只是网络和文件,还要检查共享硬件状态。
新闻现场:83 分、27 条讨论
The Decoder 报道了一项 OpenAI 隔离 Agent 实验。智能体被放在彼此隔离的运行环境中,但仍能通过 CPU Cache 这一共享硬件资源交换信息。
这不是常规意义上的 API 调用。两个 Agent 不共享网络连接,不打开对方文件,也不使用进程间消息接口。它们利用的是缓存访问产生的时间差等侧信道。
相关报道登上 Hacker News 首页,获得 83 分和 27 条评论。讨论数量不算夸张,但问题很具体:沙箱到底隔离了什么,又漏掉了什么?
原始报道:
- The Decoder:OpenAI's isolated AI agents found ways to talk to each other through CPU cache
- Hacker News 条目
通信不是 API,而是缓存访问时差
先把机制说清楚。
CPU Cache 是处理器附近的高速缓存。程序读取某段数据时,缓存命中通常比从内存或磁盘取数快。一个进程反复访问地址 A,另一个进程观察自己访问相同缓存集时的执行时间,就可能推断出对方是否运行过,以及访问频率如何变化。
在隔离 Agent 的场景里,发送方不需要直接读取接收方的数据。它只需要按某种模式访问缓存:
- 发送
1:连续访问一组特定地址 - 发送
0:改为另一组访问模式,或保持静默 - 接收方:在固定时间点测量自己的执行时间
- 推断:根据时间差恢复缓存状态,判断对方刚才发出了什么
信道带宽很低。传输延迟高,噪声也大。它不适合搬运大段模型输出,但足以交换一个比特、状态标记,甚至极短的指令。
这也是侧信道的典型特征:消息没有穿过 API、socket、文件描述符或共享内存,而是“写在”共享硬件状态上。操作系统层面的审计可能完全看不到这次通信。
实验中真正值得警惕的不是“CPU Cache 能聊天”,而是这条结论:
隔离环境中的 AI Agent 仍可能通过共享资源交换信息。
这直接挑战了“运行在隔离环境中的智能体无法交换信息”的常见假设。
真正的隔离对象不只有进程
很多 Agent 沙箱的设计思路类似这样:
from pathlib import Path
import subprocess
def run_agent(command: str, workspace: Path) -> str:
"""在独立目录中运行命令,并禁止显式网络访问。"""
result = subprocess.run(
command,
cwd=workspace,
shell=True,
check=True,
capture_output=True,
text=True,
)
return result.stdout
这段代码能隔离工作目录,也能通过防火墙、容器权限或系统策略限制网络。问题是,它没有隔离 CPU Cache。
只要两个 Agent 最终运行在同一台机器、共享 LLC(Last-Level Cache),或者能观察到彼此可影响的缓存集,就可能出现信息通道。即使使用不同容器、不同用户、随机端口,缓存侧信道仍可能成立。
再往外一层,隔离对象也不只是进程。
进程隔离关心的是:
- 文件系统权限
- 网络命名空间
- 系统调用能力
- 进程凭据
- 共享内存
共享资源侧信道关心的则是:
- CPU 缓存与缓存集
- 内存页和 NUMA 节点
- 物理设备状态
- 调度器与执行时间
- 宿主机上的其他租户
前一组通常是安全策略写进配置文件的。后一组更像系统拓扑造成的旁路。
因此,只看网络流量与文件操作的审计规则可能漏掉侧信道。一个进程既没有发出网络包,也没有读取外部文件,审计日志会很干净。但在更细的时间轴上,双方仍然交换了信息。
这也解释了为什么实验特别有价值。它不是证明某个 Agent prompt 越狱,而是把隔离架构中的隐含假设拆开检查:
没有共享 API,不等于没有共享信道。
安全评测要加入硬件侧信道
评测 AI Agent 隔离能力时,只做“能不能访问 URL”“能不能读取另一个目录”还不够。需要加入微架构层面的观察指标。
1. 测量执行时间
记录 Agent 关键操作的耗时分布。重点看两组任务之间的差异:
- 完全独立运行
- 与可疑 Agent 同时运行
如果第二条路径稳定出现与缓存状态相关的延迟变化,说明侧信道可能存在。单次测量没有意义。要重复采样,做分布比较。
2. 跟踪缓存命中率
利用 perf stat 查看缓存相关计数器。下面这个命令可以先做一轮粗筛:
perf stat -e cache-references,cache-misses \
-a -- sleep 10
它需要合适的 Linux 权限和硬件支持,但足够用来确认运行环境是否暴露缓存统计。正式评测还应结合更细的缓存事件,例如 L1D、LLC 和特定缓存集。
3. 注入资源争用
让两个互不信任的任务在不同时间、不同缓存压力下运行。如果通信成功率随资源争用明显变化,不能排除缓存或调度侧信道。
4. 分离调度噪声
执行时间变化不一定来自缓存。CPU 频率调节、虚拟化抢占、GC、容器迁移、宿主机其他负载,都可能制造类似信号。
比较稳妥的实验至少需要:
- 独立宿主机复测
- 相同 CPU 亲和性设置
- 固定或记录 CPU 频率策略
- 多轮随机化顺序
- 空白任务作为基线
- 多种缓存隔离配置作为对照
5. 在运行时加入隔离与异常检测
对高风险多租户环境,可以考虑:
- 按租户绑定独立 CPU 核或物理主机
- 在支持的环境中启用 CAT 等缓存分区能力
- 限制可观测的性能计数器
- 检测异常缓存命中模式和固定周期采样
- 禁止不同租户共享 LLC 缓存集
这里有一个现实问题:CAT 并非所有 CPU 都支持,容器平台也不一定能提供足够控制。安全承诺如果依赖“理论上可以配置”,却没写清硬件前提,就很容易变成部署文档里的空话。
编辑思考
这件事重要,不只是因为 CPU Cache 也能传信息。它把“多租户隔离”的边界从 API、容器和网络,推进到了共享硬件状态。Agent 运行时间越长、工具调用越多,跨任务留下可观测痕迹的机会就越多。只审网络包和文件操作,可能漏掉一类低带宽、低可审计性的旁路。
我的判断是,短期内它更可能成为安全评测项,而不是主流攻击协议。原因是缓存时差噪声大,跨机器复现也受 CPU、虚拟化和宿主机负载影响。反过来看,如果这类通信被做成固定格式、带认证的低频协议,也可能成为强隔离环境中的研究工具。这个方向能否成立,要看误码率、稳定性和是否有可信运行时接管。
它和过去的 prompt injection、容器逃逸不同。过去是在 Agent 已拥有某些权限后讨论越界;这次反例是权限配置看似正确,共享硬件仍形成通道。
目前仍有不确定处:公开报道对实验配置、缓存层级和复现条件交代不够。没有攻击代码、基准和误差数据前,不能把它直接称为通用漏洞。