工具

Claude Code 郵箱爭議曝露 AI Agent 聯網風險

Claude Code 相關 GitHub Issue 掀起隱私與資料外傳疑慮。本文拆解 Agent 的模型呼叫、工具連網與遙測路徑,並提出企業可落地的網域白名單、憑證隔離及出站稽核方案。

字級

一則 GitHub Issue 登上 Hacker News 首頁。爭議焦點並非一封郵件,而是 Claude Code 這類 AI Agent 在模型呼叫、工具連網與遙測之間,缺乏清楚的資料邊界。對使用 Agent 的開發者而言,這關係到程式碼、憑證與公司網域是否會被帶離本機。

原始資料顯示,Hacker News 討論獲得 240 分及 67 則留言。對應的 GitHub Issue 標題是:“Claude Code sends your email address to websites”。

原始 Issue:anthropics/claude-code#107757

Hacker News 討論:Item 50385272

爭議焦點不是一封郵件

Anthropic 在 GitHub 提交的 Issue #107757,討論了一個具體問題:Claude Code 執行任務時,可能將使用者電子郵件地址傳送給外部網站。

這裡必須區分「可能發生」與「已造成大規模洩漏」。該 Issue 暴露的是一條需要稽核的資料路徑:

本地身分資訊 → Agent 上下文 → 工具呼叫 → 外部網路請求

傳統 CLI 的風險通常較為明確。git push 會提示輸入 GitHub 憑證,curl 的目標網址也會寫在指令中。Agent 則不同,它會依自然語言選擇工具、組合參數並存取 URL。使用者只看到「正在搜尋文件」,未必知道完整請求夾帶了哪些資料。

240 分與 67 則留言顯示,開發者關心的不只是電子郵件。他們更擔心自己的程式碼庫、SSH 設定、API key 與公司網域,是否也會進入同一條資料鏈。

但不能只憑 Issue 標題,就斷言所有外傳行為都來自相同機制,也不能把「能夠攜帶電子郵件」寫成「大量外傳電子郵件」。稽核時至少要區分:

  • 瀏覽網頁時,由瀏覽器或工具加入的請求標頭;
  • Claude Code 自行建立的 HTTP 請求;
  • 錯誤報告、診斷套件與遙測;
  • 經使用者授權後安裝或執行的第三方 MCP Server。

這四類行為的責任邊界各不相同,企業不能等事故發生後才加以釐清。

比電子郵件更敏感的資料

電子郵件只是容易觀察到的訊號,並非最敏感的資料。

能讀取本機專案的 coding Agent,可能接觸到:

  • .env 中的資料庫密碼與 API token;
  • Git remote、提交作者資訊及企業儲存庫網址;
  • ~/.ssh、~/.aws、~/.config 等目錄中的憑證;
  • 內部網域、CI/CD 位址與監控系統入口;
  • 含有客戶資訊的日誌、Issue、設定檔與測試資料。

這些資料未必由 Agent 主動傳送。更常見的路徑是:工具預設收集環境資訊,Agent 再將環境摘要加入提示詞,最後把提示詞提交給模型服務。另一條路徑則是外掛為了驗證、遙測與除錯,將上下文寫入日誌。

對企業網路而言,電子郵件外洩可能只是合規問題;內部網域、儲存庫憑證或未公開日誌外洩,則屬於安全問題。

DNS 與代理也必須另行審查。即使 HTTPS 已加密請求本文,目標網域、存取頻率與流量大小仍會暴露。攻擊者取得目標網域後,可能驗證內部服務是否存在,並推斷開發節奏。

Agent 的資料清單不要只寫「使用者內容」。較具體的做法,是依資料來源與出口建立對照表:

本地資料 可能讀取的 Agent 網路出口 是否確認
Git 作者電子郵件 Claude Code 網頁請求、診斷、遙測 預設確認
儲存庫憑證 工具呼叫或外掛 外部 API 逐項確認
內部網域 搜尋、HTTP 工具 DNS、代理 預設確認
執行日誌 錯誤收集器 日誌平台 依目的地確認

這張表能回答三個問題:哪些資料可以被讀取、經過哪些處理程序,以及最終傳往何處。

預設連網不是小設定

Agent 的網路行為由三層能力共同構成。

第一層是模型呼叫。Claude Code 會將完成任務所需的上下文傳送至 Anthropic API。使用者通常知道自己在使用哪個模型服務。

第二層是工具呼叫。WebFetch、網頁搜尋、HTTP 請求、瀏覽器自動化與 MCP Server 都能存取外部網路,而工具參數未必會逐項顯示給使用者。

第三層是遙測與診斷。程式可能上傳日誌、版本、設定與請求上下文,用於排查當機、統計功能使用情形或收集錯誤資訊。

風險較高的組合是:使用者知道 Agent 正在呼叫模型,卻不知道工具呼叫與遙測是否共用代理、日誌及身分資訊。

預設設定還可能放大問題。開發者為了提升效率,可能開啟自動接受變更、自動執生命令或允許存取網頁。Agent 因而取得讀取專案與修改環境的權限,外部服務卻仍只依「一般開發工具」的方式設定。

企業應將網路控制落實在作業系統與網路層。否則,只要 Agent 能啟動 curl、Node.js 或瀏覽器,單純調整設定選項並不足以阻擋風險。

企業部署需要三道閘門

1. 網路白名單

第一道閘門是出站控制。

企業需要明確界定 Agent 可存取的網域,以及禁止使用的 IP 位段、連接埠與通訊協定。建議優先阻擋:

  • 未經核准的外部 MCP Server;
  • 雲端服務商的中繼資料位址;
  • 未經代理的公共 DNS;
  • 含有敏感資料的物件儲存;
  • 任何可透過 IP 直接連線的 HTTPS 服務。

只設定「允許 github.com 和 docs.anthropic.com」仍然不夠。網域可能被用來進行 DNS rebinding、重新導向或託管頁面攻擊。企業代理還應負責 TLS 驗證、目標分類與日誌記錄。

2. 憑證隔離

第二道閘門是憑證隔離。

不要讓 Agent 預設繼承開發者個人電腦上的所有身分。CI 環境應使用短期 token,並將權限限定於目標儲存庫。模型任務採用獨立帳號。憑證依需求短期注入,不得寫入提示詞。高權限憑證則應置於需要人工核准的 broker 後方。

可依下列原則進行審查:

  • Agent 能否讀取 token,或只能呼叫受限代理;
  • token 是否綁定單次任務與最小 scope;
  • 憑證是否會自動到期;
  • 傳往外部服務前是否經過遮蔽處理;
  • MCP Server 是否記錄完整請求本文。

3. 出站稽核

第三道閘門是出站稽核。

重點記錄所有離開信任邊界的連線:時間、工作處理程序、目標網域、目標連接埠、HTTP 方法、位元組數、資料分類與核准結果。

日誌預設不應保存請求本文,更不能保存完整 token。電子郵件可記錄雜湊值或遮蔽值;payload 則應依敏感欄位過濾。

稽核規則可依下列方式設計:

如果 destination 未在 allowlist:阻擋並告警
如果 data_class = credential:要求人工核准
如果 destination = telemetry_endpoint:另行授權並限頻
如果 payload_contains = email:遮蔽或阻擋

最後應檢查 Claude Code 的實際設定、代理與 MCP Server。設定介面提供關閉選項,並不代表網路出口已經收緊。Agent 啟動的子處理程序可能繞過應用程式層設定;系統代理、防火牆與 egress proxy 才是最終控制點。

編輯觀察

這件事的重要性,不只因為電子郵件可能被傳送,而是 AI Agent 的權限邊界已從「生成內容」擴張到「讀取檔案、呼叫工具、存取網路與執生命令」。過去審查聊天產品,通常只需檢視輸入與輸出;現在還得追蹤本地資料經過哪些處理程序,以及最終落到哪些網域。少一道出站規則,可能比模型少幾個 benchmark 分數更危險。

我的預測是,企業採購 AI Agent 時,網路權限將逐漸比模型選型更早進入安全審查。原因很單純:模型輸出錯誤可以修正,但憑證與內部網域一旦外傳,處置成本高得多。

這也與過去的軟體供應鏈風險有所不同。傳統外掛安裝後,主要影響本機;AI Agent 卻會動態決定要呼叫哪些服務。控制點必須落在代理、防火牆與 egress proxy,不能只依賴提示詞或設定面板。

目前仍無法確認 Issue #107757 中每條外傳路徑的具體實作,也不能只憑標題判斷影響範圍。廠商必須提供可驗證的請求日誌與明確的資料流說明,而不能只要求使用者相信。

來源: https://github.com/anthropics/claude-code/issues/107757