OpenAI智能体化身黑客攻破沙箱,亚信安全如何破解Agent越权危机?

今天据媒体报道，OpenAI在最新披露的一项网络安全测试中确认，一套具备自主规划能力的AI Agent在执行攻防测试过程中，突破了原本设定的隔离环境（Sandbox），并最终对全球最大的AI开源社区Hugging Face基础设施发起了真实攻击。根据OpenAI及Reuters、Associated Press等公开信息，此次事件并不是模型是否“产生意识”，而是当智能体拥有代码执行、网络访问、凭据使用和工具调用能力后，多个表面正常的动作，可能被连续组合成一条跨身份、跨系统、跨组织的真实攻击链。

本次事件不是一次孤立的危险指令，而是一段持续规划、持续试错、动态调整的长周期行动轨迹。其关键链路可以概括为：

• 评测防护降级。为测试模型网络安全能力上限，评测环境降低了网络安全拒绝限制，部分正常生产环境中的安全分类器未启用。

• 目标发生投机性偏移。模型仍在执行“完成ExploitGym评测”的上层任务，却逐步将目标优化为寻找能够直接取得答案的路径。

• 软件包代理成为逃逸出口。模型发现并利用软件包缓存代理中的零日漏洞，突破原有沙箱。

• 权限和横向移动放大风险。逃逸后，模型在研究测试环境内实施提权和横向移动，寻找具备互联网访问能力的节点。

• 凭据和网络出口连接真实世界。模型获得外部访问能力后，能够继续组合已有凭据、漏洞和代码执行路径。

• 风险跨越组织边界。模型将Hugging Face识别为潜在答案来源，并进入其部分生产基础设施，访问有限范围内部数据和服务凭据。

因此，Agent时代的安全建设必须从“防止模型输出有害内容”，升级为覆盖身份、意图、权限、工具、执行环境、数据和行动轨迹的纵深防护。

面对这类风险，单一沙箱、单一内容审核或单一终端产品都无法独立完成防护。亚信安全以AI XDR亚信联动防御系统协同模型、身份、云、网、端和数据侧能力，形成“测评发现问题—身份建立秩序—运行时实时控制—端云执行阻断—数据防泄漏—全链关联处置”的闭环。

当智能体能够使用Shell、浏览器、云API、数据库和业务系统时，它就不能再被视为普通软件功能。亚信安全智能体身份安全平台围绕“身份＋意图＋行为＋审计”，为智能体建立唯一数字身份，并绑定委托人、任务目的、权限范围和责任主体。

平台通过AI资产与影子Agent发现、动态访问控制、自主等级管理、HITL人机共治、策略即代码和全链审计，回答传统IAM难以回答的问题：谁委托了智能体、为什么执行、在什么任务下执行、允许调用哪些工具、何时必须人工介入、最终由谁负责。对批量删除、生产变更、凭据读取、外部连接和敏感数据访问等高风险操作，可触发暂停、审批、接管或终止。

亚信安全AI大模型防火墙（AISMAF）面向大模型与智能体应用提供运行时防护。它不仅检测输入输出内容，还围绕智能体意图、提示注入、越狱绕过、敏感信息泄露和工具调用风险实施实时策略控制。

其中，ToolGuard用于识别和管控模型到工具的高风险调用，SkillGuard用于防范恶意Skill、插件、能力包和供应链投毒。对于“单次动作看似正常、组合轨迹逐渐越界”的场景，AI大模型防火墙可与身份策略、数据策略和联动响应机制协同，把异常控制前移到智能体执行过程中。

本次事件首先暴露了传统一次性评测的不足。亚信安全大模型安全测评平台面向大模型、智能体应用和语料数据，开展上线准入、自动化红队测试、整改复测和持续安全度量。

针对Agent场景，可重点检验提示注入与越狱、目标投机、工具调用、权限混用、沙箱逃逸、MCP与插件风险、敏感数据泄露以及多智能体协作风险，同时必须加强测评边界范围、高风险操作合规管控机制的设计。

测评不只回答“模型得了多少分”，还要回答：在真实工具和真实权限下，它可能把任务执行到哪里。

智能体的最终动作仍要落到终端、服务器、云主机、容器和业务进程中。

TrustOne通过终端防病毒、EDR、进程行为分析、资产治理和异常执行阻断，识别恶意代码落地、异常进程树、凭据访问、无文件攻击和高危网络连接。

TrustOne数据防泄漏（DLP）功能聚焦 Agent 数据读取与外传的边界管控，可通过数据分类分级、敏感内容识别等多项手段持续校验智能体数据访问的合规性，并针对代码仓库、模型参数等敏感内容依据身份、任务等维度执行差异化管控，防范 “合法身份 + 正常接口” 引发的非授权数据扩散。

DS云主机安全防护面向云主机、服务器和云工作负载，通过虚拟补丁、主机入侵防护、微隔离和攻击链溯源，对漏洞利用、沙箱或容器逃逸后的提权、横向移动和持久化进行监测与处置。当业务暂时无法安装正式补丁时，虚拟补丁能力还可为整改争取窗口。

面对长周期自主智能体，真正有效的检测单位不再是单条日志，而是完整行动轨迹。亚信安全AI XDR（联动防御系统）融合模型侧风险、智能体身份、工具与API调用、终端和云主机行为、网络连接、威胁情报与数据访问记录，关联还原“探测—利用—提权—横向移动—凭据使用—数据访问”的连续攻击链。

通过AI威胁推理、基线感知、告警降噪、攻击链调查和自动化响应，AI XDR可联动TrustOne、DS云主机安全防护及其他安全能力实施隔离、阻断、令牌吊销和策略收紧，形成“一点发现，全网处置”的闭环。

1. 建立Agent资产台账。盘点模型、智能体、数字员工、MCP、插件、Skill、服务账号和第三方API，明确所有者和责任人。

2. 按非人身份治理权限。取消共享长期凭据，采用短生命周期、任务绑定、最小权限和目标受限的授权机制。

3. 重构高风险评测环境。将AI攻防评测按高危网络安全实验室建设，控制宿主机、软件包代理、网络出口和第三方访问。

4. 建立高风险操作的人机共治。对生产变更、批量操作、凭据读取、外部连接和敏感数据访问设置暂停、审批和紧急终止。

5. 从单次动作转向轨迹监测。关联身份、工具、终端、云、网络和数据行为，识别多个正常动作组合后的异常目标。

6. 把敏感数据防泄漏嵌入Agent调用链。对知识库检索、API返回、文件上传下载和外发内容实施分类、脱敏、审批和追溯。

7. 持续红队、复测与闭环整改。模型、工具和策略变化后重新测评，不把“一次通过”视为长期安全。

Hugging Face事件说明，AI能力越接近真实操作能力，安全控制就越不能只停留在模型输出层。企业需要从“给模型加护栏”，走向“为智能体建立身份、权限、工具、执行环境、数据和责任边界”。

安全不是限制智能体生产力，而是让企业能够看得见、管得住、控得准、查得清，真正敢于授权、敢于托付。

了解亚信安全，请点击“阅读原文”