觀點

VM 沙箱擋不住 AI Agent:Trail of Bits 實測報告揭真相

Trail of Bits 8 月發表實測研究,證實具備網路攻擊能力的 AI Agent 能從多條路徑突破 VM 隔離,傳統沙箱化防禦在 Agent 時代已不再適用。企業若要部署 Agent,必須重新設計隔離與權限機制。

字級

Trail of Bits 這次測了什麼

8 月 26 日,安全研究機構 Trail of Bits 在部落格發了一篇標題相當直白的文章:VMs won't contain cyber-capable agents。

文章在 Hacker News 熱門榜掛了好幾個小時,68 分、29 則評論,討論熱度不低。這家機構在資安圈並非新面孔——過去 Auditing iMessage 的研究、加密函式庫 fuzzing 的工作,都是他們的成果。

這次他們做了一件安全圈少見的事:實際執行 Agent 攻擊,而非紙上推演。他們把具備網路攻擊能力的 Agent 放進 VM,觀察 Agent 能否突破隔離層。結果是肯定的,而且路徑不只一條。

這個結論對所有正在打造 Agent 沙箱的廠商(包括 Anthropic、OpenAI、Cognition 等頭部業者)都是一記當頭棒喝。

VM 為何擋不住 Agent

傳統 VM 隔離的前提很單純:VM 內的程式不可信,因此給它一個封閉環境,讓它無法走太遠。

這個前提在傳統威脅模型下成立——VM 內的惡意軟體多為被動型態,頂多從事勒索或挖礦,主動向橫移動的能力有限。

但 Agent 不同。

Agent 擁有網路攻擊能力——它能掃描埠口、能撰寫 exploit、能利用 VM 內軟體的 CVE、能讀取設定檔尋找金鑰。VM 隔離對 Agent 而言不是牆,而是一個等待攻擊的目標。

核心差異:

  • 過去:防禦重心是「內容審查」——過濾 prompt、偵測越獄、阻止有害輸出
  • 現在:防禦重心必須轉為「能力約束」——限制 Agent 可呼叫的工具、可存取的網路、可寫入的檔案

後者的難度高出許多。因為擁有網路權限的 Agent,理論上能做任何事。

具體突破路徑解析

Trail of Bits 在文章中列出幾條經實測有效的逃逸路徑,以下挑選三個最典型的說明。

1. 共享剪貼簿 / 共享裝置

VM 與宿主機之間為了「方便」,經常共享剪貼簿、共享資料夾、共享 USB 裝置。

Agent 只需要在 VM 內執行一段程式碼,將精心構造的 payload 寫入共享剪貼簿,當宿主機上某個應用程式讀取剪貼簿時便會觸發。這條路徑甚至不需要提權——共享裝置本身就是設計上的妥協。

2. 網路橋接 / 連接埠轉發

許多 VM 設定採用 NAT 模式,但開發用的 VM 經常使用橋接模式,直接取得與宿主機同網段的 IP。Agent 在 VM 內掃描內網,找到宿主機開放的埠口(SSH、RDP、遠端管理工具),直接連線過去。

更棘手的是:Agent 可利用 VM 內的網路代理設定。開發者為了方便,常為 VM 設定公司內網的代理。Agent 順著代理出去,直接存取企業內部系統。

3. 虛擬裝置驅動程式的漏洞

VM 工具鏈(VirtualBox、VMware、QEMU 的 guest tools)為了效能,安裝了大量 guest-host 通訊通道。這些通道的程式碼品質參差不齊,歷史上出現過多個 CVE。

Agent 在 VM 內掃描這些工具的版本,比對已知漏洞後加以利用。這條路徑的技術門檻較前兩條高,但一旦成功,可直接取得宿主機執行權限。

這三條路的共同點是:都不是「AI 越獄」,而是將 Agent 視為能獨立思考的攻擊者,它會自行尋找突破路徑。

傳統沙箱思路錯在哪裡

現行的 Agent 沙箱設計,普遍採用「VM + 提示詞審查」這套組合。

問題出在哪?

  • VM 防範的是「不可信程式」,但 Agent 是有目標的攻擊者——它會主動尋找出口
  • 提示詞審查防範的是「有害輸出」,但 Agent 輸出的可能是合法的 exploit 程式碼、掃描結果、滲透路徑
  • VM 內的軟體存在漏洞——而 Agent 會利用這些漏洞

將 AI 視為「不可信使用者」並用 VM 隔離,這個思路在 ChatGPT 時代尚可運作,因為當時模型的主要風險在於輸出有害內容。到了 Agent 時代,Agent 本身就是攻擊工具,VM 只是它待攻破的節點之一。

更深層的問題在於:多數 Agent 沙箱的隔離粒度過於粗糙。要不就是完全隔離(Agent 無法發揮作用,產品價值歸零),要不就是開放過多(VM 形同虛設)。中間狀態極難實現。

應該如何防禦

Trail of Bits 在文末提供了一些建議方向,以下結合自身理解重新整理。

1. 微隔離(Micro-segmentation)

捨棄大型 VM,將 Agent 可存取的資源拆解為細粒度的網路區段。每個資源單獨鑑權,Agent 試橫向移動時,每一步都需重新驗證。

落地難度:對基礎設施要求高,多數公司缺乏這樣的能力。

2. 最小權限(Least Privilege)

Agent 要執行的每個操作,都應基於「明確授權」而非「預設允許」。要做到這一點,需要一套比傳統 RBAC 更細緻的權限系統,最好是按「任務」而非「角色」進行授權。

落地難度:Agent 的任務邊界難以靜態定義——同一個 Agent 在處理不同任務時,所需的權限並不相同。

3. 網路 Egress 嚴格管控

預設拒絕所有出站流量,僅放行 Agent 任務必需的網域/IP。Agent 若要連線新位址,需經審批。

落地難度:Agent 的網路需求是動態的,審批流程會拖慢產品體驗。

4. 行為稽核 + 異常偵測

記錄 Agent 的所有操作,運行異常偵測模型。當 Agent 開始掃描埠口、讀取 /etc/shadow、試提權時,立即告警並中斷。

落地難度:誤報率高——正常的安全測試 Agent 也會執行這些動作。

坦白說,這四項單獨哪一項都不足以解決問題。真正的解法是組合運用,而且必須在 Agent 框架層級就建置——等到 Agent 已經運作再補強防禦,基本上為時已晚。

目前主流廠商在這方面普遍落後。Anthropic 的 Computer Use、OpenAI 的 Operator、Cognition 的 Devin,他們的沙箱設計文件我都翻過,基本上仍停留在「VM + prompt filter」的舊思路。

編輯思考

為什麼這件事比 OWASP LLM Top 10 更加迫切?

OWASP LLM Top 10 列出了 prompt injection、訓練資料投毒、模型竊取等條目。這些風險都屬於「模型層」——攻擊面在輸入輸出、模型權重本身、推論邏輯。

但 Trail of Bits 這篇文章揭示的是「能力層」風險——Agent 取得工具之後,它能做、敢做、會做什麼。這個層面的風險比模型層大一個數量級,因為它直接對接真實系統。

我的預測:未來半年,做 Agent 的頭部公司會將這塊提升至 P0 優先級。

理由:

  1. 第一個遭受攻擊的客戶案例尚未出現,但機率持續累積中
  2. 企業採購 Agent 產品時,安全合規團隊的要求會越來越嚴格——VM 沙箱不可靠的結論出來後,採購流程將受到阻礙
  3. 監管將會跟上。歐盟 AI Act、美國各州的 AI 法案,早會納入 Agent 運行環境的要求

這次與過去哪些事有所不同?

過去 30 年間,資安產業持續與「自動化工具」對抗——蠕蟲、屍網路、自動化攻擊框架。但這些都是預設程式,行為可預測。Agent 是具備推理能力的攻擊者,它能根據目標動態調整策略,能讀取程式碼理解漏洞,能撰寫 exploit,能根據防禦反應調整下一步行動。

這是質變,而非量變。

不確定之處:Trail of Bits 測試的是他們自己的 Agent 模型,不同 Agent 模型的攻擊能力差距懸殊。Cognition 的 Devin 與一個普通開源 Agent,網路攻擊能力可能相差數個數量級。本文結論在大模型上更為成立,但不代表所有 Agent 都具備同等強度。

但趨勢是明確的:Agent 越強,VM 沙箱越形同虛設。

來源: https://blog.trailofbits.com/2026/08/26/vms-wont-contain-cyber-capable-agents/