知序
返回
保存草稿
发布
H1
H2
H3
1
2
3
Excalidraw 图
AI 写作
AI 优化
目录
输入内容后显示目录
Markdown
# 代码执行沙箱与安全隔离 > 导读:本文从"我们只是想让模型算个数、画张图,为什么不能直接在服务进程里 `exec` 一下?"这个实际开发中的疑问出发,把 Agent 为什么需要代码执行、为什么"在服务进程里直接执行"是重大风险、隔离强度如何分级、沙箱必须限制哪些资源、常见威胁与防护、文件与会话的持久化、执行编排,以及一个最小可用的容器化沙箱实现逐项讲透,最后给出工程实践与踩坑清单。适合正在把 Agent 的数据分析、计算、文件与图表能力做成线上服务的后端与基础设施同学。  *图:代码执行沙箱——资源限制、网络隔离与宿主防护* ## 一、先建立全局认知 ### Q:为什么 Agent 需要"代码执行"这项能力? A:结论先行——因为有一大类任务,模型"直接生成答案"是不可靠的,而"模型生成代码 + 由确定性解释器执行"是可靠的:凡是需要精确计算、处理较大数据、读写文件、绘制图表的场景,代码执行在正确率、可复现性与表达能力上都明显优于纯文本生成。 把需求按"是否要求确定性"拆一下就很清楚: | 任务类型 | 纯文本生成的短板 | 交给代码执行后的优势 | | --- | --- | --- | | 数值计算(复利、统计、矩阵) | 多步运算、大数乘法容易算错 | 由解释器精确计算,结果可复现 | | 数据分析(聚合、透视、去重) | 无法真正遍历数据 | 对真实文件做确定性聚合 | | 文件处理(格式转换、批处理、压缩) | 不能产生真实文件 | 产出可下载的产物 | | 图表绘制 | 只能"描述"图形 | 输出真实的 PNG/SVG | | 逻辑验证(跑算法、跑测试) | 只能"声称"结果 | 真实执行,可读到输出 | 更本质的原因是:**LLM(Large Language Model,大语言模型)本质是概率性的文本生成器,它擅长"写代码",但不擅长"在大数上做精确算术"。** 与其让它在内部"心算",不如让它把计算过程写成代码,再交给一个**确定性、可审计**的执行器去跑。这样错误被收敛到"代码是否写对"这一个环节,而不是散落在几十步心算里。 由此还带来两个关键收益: 1. **可审计**。生成的代码是显式文本,人能读懂、能留档、能复现。"结果从哪来"变得可追溯。 2. **可扩展表达力**。模型不需要"知道怎么画图",只需要"知道该调用哪个库",表达能力从模型内部知识扩展到了整个生态。 ### Q:为什么"直接在服务进程里 exec"是重大风险? A:结论先行——因为一旦执行的是模型生成的代码,就等于把"服务进程所拥有的一切权限"临时交给了这段代码,而这段代码的来源是自然语言、可以被间接操纵,等价于给外部开了一个**远程代码执行(RCE,Remote Code Execution)**入口。 这四类风险必须逐一点名,因为它们对应的防护手段完全不同: | 风险 | 触发方式 | 后果 | 对应的防护方向 | | --- | --- | --- | --- | | 远程代码执行(RCE) | 提示词注入诱导模型写出恶意代码 | 任意命令执行、读写宿主文件 | 强隔离 + 权限收窄 | | 资源耗尽 | 无限循环、内存炸弹、fork 炸弹 | 服务被打满、连带整机不可用 | 资源配额 + 超时强杀 | | 数据外泄 | 代码读取环境变量、配置、密钥并外发 | 凭证与数据泄露 | 文件系统可见范围 + 网络出站管控 | | 逃逸(Escape) | 利用内核漏洞、错误挂载、特权容器 | 从沙箱跳到宿主机 | 减少内核暴露面 + 最小权限 | 关键认知要建立起来:**"进程级隔离"本质上不是隔离。** 在同一个服务进程里 `exec` 一段 Python,这段代码与你的业务代码: - 共享同一套文件系统(能读 `.env`、能读证书、能读 `~/.aws`); - 共享同一套环境变量(数据库密码、云厂商 AK/SK 常常就在里面); - 共享同一张网卡(能访问内网、能访问 `169.254.169.254` 这类元数据服务); - 共享同一个用户身份(很多人还以 root 跑服务); - 共享同一份资源池(它的一个死循环会把你的服务一起拖死)。 也就是说,你在"进程内"能做的所有事,它都能做。这不是"隔离强度不够",而是"根本没有隔离"。常见的 `eval` / `exec` / `subprocess` 只是把代码"跑起来",并没有把它"关起来"。 ### Q:隔离强度怎么分级?进程级、容器、微虚拟机、云函数各自定位在哪? A:结论先行——按"共享内核的程度"从低到高排序,隔离强度依次为:**进程级 < 容器 < 微虚拟机(microVM)/ 强隔离沙箱 < 云函数/托管沙箱**;隔离越强,启动开销越大、成本越高、可定制性越弱。选择的核心不是"哪个最安全",而是"业务能容忍多大的启动延迟与成本,需要多强的隔离"。  *图:代码执行的四种隔离强度与代价* ```text 隔离强度 / 内核暴露面 → 进程级 容器 microVM/强隔离沙箱 云函数/托管沙箱 ┌──────┐ ┌──────┐ ┌────────────┐ ┌────────────┐ │ 业务 │ │ 业务 │ │ 业务 │ │ 业务 │ │ 进程 │ │ 容器 │ │ Guest内核 │ │ 运行时 │ ├──────┤ ├──────┤ ├────────────┤ ├────────────┤ │ │ │ 容器 │ │ 虚拟化边界 │ │ 厂商边界 │ │ 共享 │ │ 共享 │ │ (硬件/规则) │ │ (不透明) │ │ 宿主 │ │ 宿主 │ ├────────────┤ ├────────────┤ │ 内核 │ │ 内核 │ │ 宿主内核 │ │ 厂商基础设施 │ └──────┘ └──────┘ └────────────┘ └────────────┘ 弱 ←────────────────────── 隔离强度 ──────────────────────→ 强 快 ←────────────────────── 启动开销 ──────────────────────→ 慢(相对) 低 ←────────────────────── 成本 ──────────────────────→ 高(按量) ``` 逐级对照(差异为**定性**判断,具体数值随实现与版本而变,需结合实测确认): | 维度 | 进程级 | 容器 | microVM / 强隔离沙箱 | 云函数 / 托管沙箱 | | --- | --- | --- | --- | --- | | 隔离粒度 | 无(共享一切) | 命名空间 + cgroups | 每实例独立内核/用户态内核 | 厂商管理,对使用者不透明 | | 内核暴露面 | 全部 | 共享宿主内核,暴露面大 | 显著收窄 | 最小(由厂商保证) | | 逃逸难度 | 极低(无需逃逸) | 依赖内核漏洞 / 配置错误 | 需突破虚拟化或用户态内核边界 | 需突破厂商隔离,难度最高 | | 启动开销 | 极低 | 中(镜像/进程启动) | 较高(虚拟机/安全内核启动) | 冷启动明显,热调用较快 | | 单实例成本 | 最低 | 低(可高密度混部) | 中高(预留内存/内核开销) | 按调用计费,空闲不付费但单价高 | | 可定制性 | 最高(但危险) | 高(自定义镜像/依赖) | 中(需适配 guest 内核差异) | 低(受运行时与超时限制) | | 运维复杂度 | 低(但风险高) | 中(需管理运行时与配额) | 高(需管理两层内核) | 低(交给厂商) | | 典型定位 | 仅用于**完全可信**代码 | 多租户代码执行的常见默认档 | 高对抗、强合规、强多租户场景 | 突发流量、事件驱动、无状态计算 | 几个容易被忽略的定性判断: - **容器不是"隔离"的同义词。** 容器共享宿主内核,所有系统调用最终都打到同一个内核上。它是"很好地限制资源、有限地隔离视图",不是"安全边界"。 - **强隔离沙箱(如 gVisor 类思路)与 microVM(如 Kata 类思路 / Firecracker 类 microVM)是两条不同路线。** 前者用**用户态内核**拦截并代理系统调用,缩小宿主内核暴露面;后者用**轻量虚拟机**给每个负载一份独立的 guest 内核。二者都不等于"绝对安全",只是把逃逸难度抬高了一个量级。 - **云函数/托管沙箱把隔离责任转移给了厂商,代价是可控性。** 你无法自由选择内核、无法长期驻留进程、无法依赖本地磁盘,很多"要装个重型库、要跑十分钟"的任务不适合。 - **"高对抗多租户"是选择分档的关键信号。** 如果执行的是你自己写的、版本固定的代码,容器足够;如果执行的是**用户或模型即时生成、内容完全不可信**的代码,应当直接考虑强隔离档。 一句话取舍:**可信代码用容器、不可信代码用强隔离、突发无状态任务用云函数。** ## 二、理解核心机制 ### Q:沙箱必须限制哪些资源? A:结论先行——必须同时限制"**算力、内存、时间、磁盘、网络、文件系统可见范围、系统调用**"七类资源。只限制其中一部分,等于没限制,因为攻击者会沿着没被限制的那一维打出去。 逐项说明为什么、以及不限制会怎样: | 资源维度 | 限制什么 | 不限制的后果 | | --- | --- | --- | | CPU | 可用核数/份额(CPU quota) | 死循环或挖矿吃满宿主机 CPU | | 内存 | 硬上限(超限直接 OOM 杀死) | 内存炸弹把整机内存耗尽 | | 执行时长 | 墙钟超时(wall-clock)+ CPU 时间 | 长跑任务占住并发槽位 | | 磁盘 | 可写层大小、临时目录配额、文件数上限 | 写满磁盘、写爆 inode | | 网络出站 | 默认拒绝,白名单放行,禁用访问内网/元数据 | 外联挖矿、读取云主机凭证、内网横向 | | 文件系统可见范围 | 只挂载工作目录,只读根文件系统 | 读到宿主 `.env`、密钥、他人数据 | | 系统调用 | seccomp 白名单/黑名单、能力集裁剪 | 利用高危系统调用提权或逃逸 | 几个细节值得展开: 1. **CPU 与内存要用"硬上限",不要用"权重"。** 权重(share)只影响争抢时的相对比例,任务空闲时可能放开;硬上限(quota / limit)才能在超出的瞬间限制或杀死。 2. **内存要同时限制"内存"和"内存+交换(swap)"。** 只限制物理内存、不限制交换,攻击者靠 swap 仍能拖垮机器。 3. **进程数也要限制。** fork 炸弹不需要大内存也不需要大 CPU,只要无限 fork 就能耗尽 PID 与调度资源。需要设置进程/线程数上限(pids 限制)。 4. **文件描述符要限制。** 打开大量 fd 同样能拖垮内核资源。 5. **网络默认"全关"。** 需要联网时,走**受控出口**(代理/网关),并在出口做域名与目标网段白名单,明确禁止 `169.254.0.0/16` 这类链路本地网段与内网网段。 ### Q:容器隔离到底"隔"住了什么、"漏"了什么? A:结论先行——容器用**命名空间(Namespace)**隔开"视图"(能看到哪些进程、网络、挂载、用户),用**控制组(cgroups)**限制"用量"(CPU、内存、IO);但它**共享宿主内核**,因此"隔离"是视图层的,不是内核层的。  *图:Namespace 管看得见什么,cgroups 管能用多少* ```text 容器隔离的两半: Namespace(管"看得见什么") cgroups(管"能用多少") ├─ pid : 看不到宿主其他进程 ├─ cpu : 配额/权重 ├─ net : 独立网卡与端口空间 ├─ memory: 硬上限(超限 OOM) ├─ mnt : 独立挂载/根文件系统 ├─ pids : 进程数上限 ├─ uts : 独立主机名 ├─ blkio : 磁盘 IO ├─ ipc : 独立 IPC 命名空间 └─ ... └─ user: UID/GID 映射(需启用) 共享的部分(也是风险所在): └─ 宿主内核(系统调用、内核漏洞、内核参数) ``` "漏"在哪里: - **内核共享**:一个内核漏洞可能被用于容器逃逸;内核参数(如 `sysctl`)若被错误放开也危险。 - **错误配置**:以 root 运行、挂载了 docker socket、挂载了宿主目录、开启了特权模式(`--privileged`),这些配置一出现,隔离基本归零。 - **默认能力过宽**:默认容器仍带有一批 Linux 能力(capabilities)。多数执行任务并不需要它们。 所以"用容器 = 安全"是错的。真正决定安全的是**配置**:裁掉能力、禁用提权、只读根文件系统、限制系统调用、非 root 运行、网络关闭。下面这张"必须做/常见误区"表是这一节的核心结论: | 项目 | 正确姿势 | 常见误区 | | --- | --- | --- | | 用户 | 非 root(如 65534)运行 | 默认 root | | 能力 | 全部丢弃,按需最小添加 | 保留默认能力甚至 `--privileged` | | 提权 | 禁止 setuid 提权(no-new-privileges) | 允许子进程提权 | | 根文件系统 | 只读 + 可写临时目录(tmpfs,带大小上限) | 整个可写,且无大小限制 | | 挂载 | 只挂工作目录,禁止挂 docker.sock 与宿主关键目录 | `-v /:/host` 之类 | | 系统调用 | 使用收敛的 seccomp 策略 | 默认或 `seccomp=unconfined` | | 网络 | 默认关闭,需要时走受控出口 | 默认 `bridge` 直连内网 | > 提示:各运行时对 seccomp 默认策略、默认能力集的取舍不同,**具体默认值需结合所用运行时与版本确认**,不要假设"默认就是安全的"。 ### Q:常见威胁有哪些?分别怎么防? A:结论先行——威胁可以按"打什么"归为四组:**打资源**(无限循环、内存炸弹、挖矿)、**打文件**(读宿主敏感文件)、**打网络**(访问内网与元数据服务)、**打信任链**(依赖投毒)。每一组都有独立且必须落实的防护。 **威胁一:资源型攻击(无限循环、内存炸弹、挖矿)。** - 无限循环 / 长跑:靠**墙钟超时 + 强制杀死整个进程组**防。 - 内存炸弹:靠**内存硬上限**防,超限由内核 OOM 直接杀掉,不会污染宿主机。 - 挖矿:是"资源型 + 网络型"的组合——它既要吃满 CPU,又要外联矿池。因此**只靠超时不够**,必须同时断掉出站网络,否则对方可以在你的额度内安静挖矿。 **威胁二:读取宿主敏感文件。** - 防护核心是"**可见范围**":只读根文件系统、只挂载工作目录、不挂载宿主路径、不注入敏感环境变量。 - 一个高频疏漏是:把数据库密码、云凭证放在**环境变量**里传进沙箱。既然它是"不可信代码",就不要给它任何长期凭证;需要访问外部能力时,走**服务端代理**,让沙箱只拿到一个短时效、权限受限的句柄。 **威胁三:越权访问内网 / 元数据服务。** - 云主机的元数据服务(常见地址为链路本地 `169.254.169.254`)可以返回实例凭证。一旦沙箱能访问它,攻击者就能拿到云上权限。 - 防护:默认 `--network none`;确需联网时,出口经代理网关,**禁止链路本地网段与内网网段**,并对目标域名做白名单。同时建议在云侧开启"要求使用增强版元数据访问(如 IMDSv2 类机制)"并限制跳数,降低凭证被读取的可行性。 **威胁四:依赖投毒。** - 如果沙箱允许"运行时 `pip install` 任意包",或共享一个可写的依赖缓存目录,攻击者可以发布同名/伪造包、或污染缓存,在下一次"别人"执行时被加载,形成**跨会话的持久化后门**。 - 防护:依赖**预装进镜像**并锁定版本(pin),运行期禁止安装;若必须动态安装,走**受控的私有镜像源 + 哈希校验**,并把依赖缓存设为**只读、按镜像版本隔离、不可跨用户共享**。 - 更隐蔽的一类是**导入即执行**:某些语言的"反序列化""配置加载""数据文件解析"在打开文件时就会执行代码。因此"只读一个文件"也不等于安全,**能不开网络、能不给凭证就不给**。 ### Q:文件与会话怎么持久化?跨会话隔离怎么保证? A:结论先行——持久化只应发生在**明确声明的工作目录**与**受控的产物回收通道**上;沙箱内部的其余文件系统生命周期不超过一次执行。跨会话隔离靠"**每次执行一套独立的目录 + 独立的运行时实例 + 不共享可写缓存**"来保证。 要点拆成三条: 1. **工作目录(workspace)**。每次执行分配一个独立目录,作为唯一可写挂载点。命名建议带不可预测的隔离前缀(如 `exec-<session>-<runid>/`),避免"猜目录"越权。 2. **产物回传**。执行结束后,只从约定的产物目录(如 `/workspace/output/`)回收文件,做类型/大小/数量校验后再交给用户下载;**其他路径一律丢弃**。不要直接把整个工作目录打包给用户,否则可能把中间态的敏感内容一起带出。 3. **跨会话隔离**。至少做到:不同用户/会话的工作目录不共享;依赖与包缓存**只读**且与镜像版本绑定;**不共享可写的临时目录**。多个会话共用一个可写工作目录,是"串号"事故的头号原因。 ```text 一次执行的文件生命周期: 分配独立 workspace(唯一可写挂载) │ 执行(根文件系统只读,/tmp 用 tmpfs 且有大小上限) │ 仅从 /workspace/output/ 回收产物(校验类型/大小/数量) │ 执行结束 → 工作目录随策略销毁或归档(按会话绑定,不跨会话复用) ``` ## 三、执行编排与最小实现 ### Q:执行编排要解决哪些问题? A:结论先行——编排要解决五件事:**排队、超时强杀、并发上限、日志采集、结果回收**。它们共同构成"执行器"这一层,沙箱只是执行器内部的一个隔离实现。 - **排队**:执行是长耗时、重资源的动作,必须有队列承接突发请求,并给出排队位置/预计时间,避免请求直接压垮执行层。 - **超时强杀**:超时要分两级——先 `SIGTERM` 给一次优雅退出机会,宽限期后 `SIGKILL`。**且必须杀整个进程组/容器**,只杀父进程会留下孤儿进程继续跑。 - **并发上限**:按"宿主机可用资源 ÷ 单任务配额"计算安全并发数,超出即排队或拒绝。并发按用户/会话也要限,防止单账号刷爆配额。 - **日志采集**:stdout/stderr 要**分片、限长、限速**采集,并带 `runid` 便于关联。执行日志里可能混入用户数据,落盘要考虑脱敏与保留期。 - **结果回收**:统一产物模型(文件清单 + 元信息),失败时也要稳定返回错误码与可读信息,避免"执行器崩了但调用方拿不到原因"。 ### Q:一个最小可用的沙箱实现长什么样? A:结论先行——一个可用的最小实现 = **容器运行时 + 资源/权限收敛参数 + 编排层超时强杀 + 产物单独回收目录**。下面按"容器启动参数 → Kubernetes 场景 → 编排层伪代码"三层给出。 **第一层:容器启动参数(本地/自建运维常见)。** 这段命令解决"如何在启动时就一次性把资源与权限收敛到位"。 ```bash # 说明:仅示意参数组合,镜像名与用户名请替换为自身环境。 docker run --rm \ --name agent-exec-<runid> \ --network none \ --memory 512m --memory-swap 512m \ --cpus 1.0 \ --pids-limit 128 \ --ulimit nofile=256:256 \ --read-only \ --tmpfs /tmp:rw,noexec,nosuid,size=64m \ --cap-drop ALL \ --security-opt no-new-privileges \ --security-opt seccomp=<your-seccomp-profile.json> \ --user 65534:65534 \ -v <host-workspace>:/workspace:rw \ -w /workspace \ --stop-timeout 10 \ <your-runtime-image> \ python /workspace/main.py ``` 关键点与边界: - `--network none` 是最重要的一行。它挡住了矿池外联、内网横向与元数据服务访问。**需要联网时再改成受控出口,不要简单开着 `bridge`。** - `--read-only` 配合 `--tmpfs /tmp` 让"根不可写、临时可写且受限",绝大多数脚本仍能正常运行。 - `--cap-drop ALL` + `no-new-privileges` + 非 root,把提权路径基本堵死。 - `--stop-timeout 10` 是**优雅退出宽限期**,配合编排层的强杀形成两级超时。 - 边界:容器仍共享宿主内核,**不防内核级逃逸**;高对抗场景请升级到 microVM 或强隔离沙箱。seccomp 策略需按运行时版本调试,配错可能导致正常程序无法启动。 **第二层:Kubernetes 场景下的安全上下文。** 这段 YAML 解决"在 K8s 上把上面那套收敛参数用声明式表达"的问题。 ```yaml # 说明:片段示意,字段含义以所用 K8s 版本为准。 apiVersion: batch/v1 kind: Job spec: activeDeadlineSeconds: 60 # 兜底超时:整个 Job 最多活 60s template: spec: restartPolicy: Never automountServiceAccountToken: false # 不给沙箱集群凭证 containers: - name: runner image: <your-runtime-image> resources: requests: { cpu: "500m", memory: "256Mi" } limits: { cpu: "1", memory: "512Mi" } # 硬上限 securityContext: runAsNonRoot: true runAsUser: 65534 allowPrivilegeEscalation: false readOnlyRootFilesystem: true capabilities: drop: ["ALL"] seccompProfile: type: RuntimeDefault ``` 关键点与边界: - `activeDeadlineSeconds` 是**平台级兜底**,是编排层超时之外的"最后一道闸门"。 - `limits.memory` 触发 OOM 时会**杀掉该容器**,不会波及同节点其他 Pod。 - `automountServiceAccountToken: false` 常被忽略:默认挂载的 ServiceAccount Token 会让沙箱拥有访问集群 API 的能力,必须关掉。 - **还要配网络策略(NetworkPolicy)默认拒绝出站**,否则 Pod 仍可能直连内网。若集群未启用网络策略或 CNI 不支持,这条防线是缺失的——**需结合集群版本与 CNI 确认**。 **第三层:编排层伪代码。** 这段代码解决"如何用两级超时 + 杀进程组 + 产物单独回收,把一次执行安全地跑完"。 ```python # 伪代码:展示编排层的控制流,不可直接照搬到生产。 import subprocess, os def run_in_sandbox(runid: str, code: str, wall_timeout: int = 30) -> dict: workspace = f"/srv/exec/{runid}" # 1. 每 run 独立工作目录 os.makedirs(f"{workspace}/output", exist_ok=True) with open(f"{workspace}/main.py", "w") as f: f.write(code) proc = subprocess.Popen( ["docker", "run", "--rm", "--name", f"agent-exec-{runid}", "--network", "none", "--memory", "512m", "--cpus", "1.0", "--pids-limit", "128", "--read-only", "--cap-drop", "ALL", "--security-opt", "no-new-privileges", "-v", f"{workspace}:/workspace:rw", "-w", "/workspace", "<your-runtime-image>", "python", "/workspace/main.py"], stdout=subprocess.PIPE, stderr=subprocess.STDOUT, start_new_session=True, # 2. 独立进程组,便于整组杀 ) try: out, _ = proc.communicate(timeout=wall_timeout) # 3. 第一级:墙钟超时 status = "ok" if proc.returncode == 0 else "error" except subprocess.TimeoutExpired: # 4. 第二级:超时后先给优雅退出,再强制销毁容器 subprocess.run(["docker", "stop", "--time", "10", f"agent-exec-{runid}"], check=False) subprocess.run(["docker", "rm", "-f", f"agent-exec-{runid}"], check=False) out, status = b"timeout", "timeout" # 5. 只回收 output 目录,其余一律丢弃 artifacts = collect_artifacts(f"{workspace}/output") return {"status": status, "stdout": out.decode("utf-8", "replace")[:20_000], "artifacts": artifacts} ``` 关键点与边界: - `start_new_session=True` + `docker stop/rm -f` 保证**整组/整容器被清理**,避免孤儿进程;只 kill 父进程是常见事故。 - 超时用 `communicate(timeout=...)` 而非自己轮询,能避免僵尸进程与管道阻塞。 - 输出要**截断**(示例中取前 2 万字符),否则巨型输出本身就能打爆内存。 - 边界:这是"能跑通"的骨架,不含鉴权、配额、重试、指标。生产还需:按用户/会话限流、`runid` 全链路追踪、产物类型白名单、失败告警。若容器运行时不可用,可先用 `resource.setrlimit` 在子进程内做兜底限流(RLIMIT_CPU / RLIMIT_AS / RLIMIT_NPROC / RLIMIT_FSIZE),但它**不提供文件系统与网络隔离**,只能算降级方案。 ## 四、工程实践与踩坑 ### Q:这一块最容易踩的坑有哪些? A:结论先行——下面十四个坑几乎每个团队都会中至少三个,建议逐条对照上线前自查。 **坑一:只靠 `timeout` 就以为安全了。** 超时只解决"跑太久",不解决"外联挖矿、读宿主文件、逃逸"。超时是必要不充分条件。 **坑二:以 root 运行。** 沙箱内 root + 内核漏洞 = 逃逸成功率大幅上升。坚持非 root(`runAsNonRoot` / `--user`)。 **坑三:网络没禁或默认开了 bridge。** 这是"数据外泄"与"元数据服务被读"的最常见原因。默认 `--network none` / 出站默认拒绝。 **坑四:共享工作目录串号。** 多会话共用一个可写目录,导致 A 的产物出现在 B 的结果里,甚至 A 能改 B 的文件。必须按 `session + runid` 隔离。 **坑五:依赖缓存被投毒。** 可写且跨用户共享的 pip/npm 缓存,是"跨会话持久化后门"的温床。缓存只读、版本绑定、不跨用户。 **坑六:把长期凭证塞进环境变量。** 沙箱里读环境变量是一行代码的事。用短时效、最小权限的句柄替代,或干脆不给。 **坑七:只限制内存不限制 swap,或只限制内存不限制进程数。** fork 炸弹、fd 耗尽不需要大内存。CPU/内存/进程数/fd 要一起限。 **坑八:输出日志不限长。** 一段 `while True: print("x")` 就能把内存和日志盘写爆。stdout 要限长、限速、截断。 **坑九:超时只杀父进程。** 子进程变孤儿继续跑,占住资源。要杀进程组或销毁整个容器。 **坑十:整个工作目录打包回传。** 可能带出中间态敏感文件。只回收约定产物目录,并做类型/大小/数量校验。 **坑十一:挂载了 docker socket 或宿主目录。** 等价于把宿主机交出去。白名单式挂载,绝不挂 `docker.sock` 与宿主根目录。 **坑十二:给沙箱挂 ServiceAccount / 云实例角色。** 沙箱一旦能访问云 API,危害从"读文件"升级为"操作云资源"。关掉自动挂载,按需、最小权限、短时效授权。 **坑十三:忽略"打开文件即执行"的解析路径。** 反序列化、配置加载、公式/脚本解析都可能执行代码。不要因为"只是读文件"就放松隔离。 **坑十四:把沙箱当"绝对安全"。** 没有绝对安全,只有成本与收益的平衡。高对抗多租户请上强隔离档;任何沙箱都应配"最小权限 + 出站白名单 + 审计"。 一句话沉淀:**沙箱的价值不在"让它跑起来",而在"让它跑不出圈"。** 每放开一项能力前,先问一句"最坏情况下这项能力能被用来做什么"。 ## 小结 - Agent 需要代码执行,是因为**确定性任务应交给确定性执行器**;模型负责写代码,解释器负责跑代码。 - "在服务进程里 exec"没有隔离:共享文件系统、环境变量、网卡、用户与资源池,等价于开放 RCE。 - 隔离强度分级:**进程级 < 容器 < microVM/强隔离沙箱 < 云函数**;隔离越强,启动开销与成本越高、可控性越低。 - 容器用 Namespace 隔视图、用 cgroups 限用量,但**共享宿主内核**,安全与否取决于配置。 - 必须限制七类资源:CPU、内存、时间、磁盘、网络出站、文件系统可见范围、系统调用。 - 主要威胁四组:资源型、文件读取型、网络型、依赖投毒;分别对应配额、可见范围、出站管控、依赖固化。 - 持久化只发生在一处:独立工作目录 + 受控产物回收;跨会话必须目录、运行时、缓存三隔离。 - 编排层要解决:排队、超时强杀、并发上限、日志采集、结果回收。 - 最小实现 = 容器参数收敛 + K8s 安全上下文 + 两级超时强杀 + 产物单独回收。 ## 思考题 1. 你的沙箱当前是否默认关闭网络?如果某个任务确实需要联网取数,你会怎么设计"受控出口"才能既满足功能又挡住内网与元数据服务? 2. "只读根文件系统 + tmpfs 临时目录"会不会影响某些需要写系统路径的库?你会选择预装依赖还是开放可写层,各自的安全代价是什么? 3. 如果并发上限设为 10、单任务 1 核 512MB,宿主机 8 核 16GB 能安全承载吗?请说明你的计算方式以及为什么不能简单按"核数 ÷ 单任务核数"来算。 4. 依赖缓存跨用户共享会带来投毒风险,但如果完全不共享,冷启动会变慢。有没有折中方案?它的信任边界画在哪里? 5. 容器不防内核逃逸。请给出三个信号,用来判断一个业务是否应该从容器升级到 microVM 或强隔离沙箱。
预览
发布文章
添加摘要让读者更快了解文章内容
取消
确认发布
AI 写作助手
输入一个主题,AI 将为你生成一篇 Markdown 博客文章
AI 正在写作中...
取消
开始生成
AI 优化助手
描述你的修改需求,AI 将在原文基础上进行补充或微调
AI 正在优化中...
取消
开始优化
画布
从已有图里选
✕
图名
保存后生成 /images/excalidraw/<图名>.svg(只能用字母、数字、短横线、下划线、点)
取消
保存并插入