《AI Agent 技术原理与架构·运行时、协议与系统架构》4.2 文件系统、网络与系统调用隔离

隔离不只要分档,还要在每一档内决定哪些调用开放。两种策略的攻击面不同:默认拒绝(白名单)只暴露明确列出的调用,默认允许(黑名单)留下所有忘了禁的。实验量化两者的攻击面,并演示文件描述符泄漏如何随调用次数线性增长直至耗尽。结论是默认拒绝更省维护,泄漏要监控。

以下系统调用全集、白名单/黑名单大小、fd 数字均为教学假设,不构成对任何真实系统、供应商或生产环境的承诺。ALL_SYSCALLS 有 40 个"sys0..sys39"是讲解用的模型,真实系统以 seccomp 的实际规则为准,但"默认拒绝的攻击面是白名单、默认允许的攻击面是全集减黑名单"这一条不变。

4.1 讲了隔离分档:进程、容器、微虚拟机。这一节进入档位内部:不管用哪一档,都要回答"哪些系统调用允许、哪些文件可读、哪些网络可达"。这个决定有两种策略,攻击面完全不同。

隔离的策略取舍集中在默认拒绝(default-deny)与默认允许(default-allow)之间。同样写规则,两种策略留下的开放面不同;同时还有一个更隐蔽的泄漏:文件描述符随工具调用次数线性泄漏。这一节把两者都量化。

默认拒绝 vs 默认允许

系统调用过滤的两种策略:

策略规则语义攻击面
默认拒绝列出允许的(白名单)白名单大小
默认允许列出禁止的(黑名单)全集 − 黑名单

默认拒绝的攻击面是白名单大小。 你在白名单里写 12 个调用,攻击面就是 12。没写的就是不允许,天然安全。

默认允许的攻击面是"全集减黑名单"。 你在黑名单里写 5 个调用,攻击面是 40 − 5 = 35。所有你忘了禁的,都是开放的。 新系统调用出现、新攻击面扩展,黑名单都要跟上,否则默认开放。

为什么默认拒绝更省维护?因为它面向"任务需要什么",是有限集合;默认允许面向"一切减去我不许的",集合随系统演进不断变大。每一次新增内核功能,默认允许都多一个未禁的开放口;默认拒绝不受影响。

文件描述符泄漏:一个"软"隔离问题

系统调用是硬的隔离,文件描述符是软的。每个工具调用打开文件,如果打开后不关闭,fd 数量线性增长,直到耗尽。

场景打开关闭泄漏是否耗尽(上限 64)
关闭率 90%40364否
关闭率 50%402020否

关闭率 90%(40 次调用关 36 个)看起来已经不错,但泄漏 4 个仍会随调用数增长。关闭率 50% 时,40 次调用泄漏 20 个——再翻几倍就会撞上 64 的上限。fd 泄漏不是"偶尔丢一个",是线性累积到耗尽。

最小实验:攻击面量化与 fd 泄漏

实验把两个策略的攻击面算出来,并模拟两种关闭率下的 fd 泄漏。

# file: agp_lab/syscall_isolation.py | write
# tier: 3
# verify: python3 -m unittest tests.test_syscall_isolation
"""文件系统、网络与系统调用隔离:默认拒绝 vs 默认允许。

系统调用过滤有两种策略:默认拒绝(白名单)与默认允许(黑名单)。
同样的维护投入,两种策略的攻击面不同:白名单严格列出可用调用,
黑名单留下"忘了禁的"全部开放。

本模块还演示文件描述符泄漏:每次工具调用打开文件不关闭,
泄漏量会随调用次数线性增长直至耗尽。
"""
from __future__ import annotations

from typing import Any


ALL_SYSCALLS: set[str] = {f"sys{n}" for n in range(40)}  # 教学假设的调用全集


def attack_surface(banned_or_allowed: set[str], default_deny: bool) -> int:
    """返回可触达的系统调用数量。

    default_deny=True 时,传入的是白名单,暴露面即白名单大小;
    default_deny=False 时,传入的是黑名单,暴露面为全集减黑名单。
    """
    if default_deny:
        return len(banned_or_allowed)
    return len(ALL_SYSCALLS - banned_or_allowed)


def simulate_fd_leak(calls: int, close_ratio: float, max_fds: int = 64) -> dict[str, int]:
    """每次调用打开 1 个 fd,按 close_ratio 比例关闭,统计泄漏。"""
    opened = calls
    closed = int(calls * close_ratio)
    leaked = opened - closed
    return {
        "opened": opened,
        "closed": closed,
        "leaked": leaked,
        "exhausted": leaked >= max_fds,
    }


def demo() -> dict[str, Any]:
    whitelist = {f"sys{n}" for n in range(12)}
    blacklist = {f"sys{n}" for n in range(5)}
    return {
        "deny_surface": attack_surface(whitelist, default_deny=True),
        "allow_surface": attack_surface(blacklist, default_deny=False),
        "fd_leak_90": simulate_fd_leak(40, close_ratio=0.9),
        "fd_leak_50": simulate_fd_leak(40, close_ratio=0.5),
    }


if __name__ == "__main__":
    result = demo()
    print(f"default_deny surface={result['deny_surface']}")
    print(f"default_allow surface={result['allow_surface']}")
    for key in ["fd_leak_90", "fd_leak_50"]:
        value = result[key]
        print(
            f"{key}: opened={value['opened']} closed={value['closed']} "
            f"leaked={value['leaked']} exhausted={value['exhausted']}"
        )

运行:

cd private/labs/agp-lab
python3 -m agp_lab.syscall_isolation

输出:

default_deny surface=12
default_allow surface=35
fd_leak_90: opened=40 closed=36 leaked=4 exhausted=False
fd_leak_50: opened=40 closed=20 leaked=20 exhausted=False

四行输出对应两件事:

  1. 攻击面量化:同样的维护投入(白名单写 12 个、黑名单写 5 个),默认拒绝的攻击面是 12,默认允许的攻击面是 35。黑名单写得越少,开放面越大——黑名单的"5 条规则"看起来比白名单的"12 条"更省事,实际攻击面是后者的近 3 倍。
  2. fd 泄漏:关闭率 90% 时 40 次调用泄漏 4 个 fd;关闭率 50% 时泄漏 20 个。两个都没撞上 64 上限,但泄漏率 50% 的场景再跑 100 次调用就会耗尽——fd 耗尽不是"某一次泄漏"造成的,是调用数的线性函数。

一个值得点破的实现细节:simulate_fd_leak 里 closed = int(calls * close_ratio) 用的是比例模型,不是真的逐个关闭——但它准确表达了核心事实:泄漏量 = 打开量 ×(1 − 关闭率),与调用次数成正比。这个线性关系才是监控要盯的:不看"这次有没有泄漏",看"泄漏率 × 调用量 是否逼近上限"。

系统调用隔离的落地,往往不是一次做完的。白名单要跟着任务能力演进:加一个新工具,就要在它的调用清单里增加对应的系统调用,否则任务莫名失败。白名单不是"写一次就完",而是"任务能力变更时同步更新"的活文档。

触发事件白名单动作后果如果不做
新增工具加入该工具的调用工具失败、任务中断
移除工具移除调用攻击面残留
内核升级复核新系统调用新调用默认拒绝,行为变
安全告警收紧白名单攻击面扩大

文件描述符泄漏的治理也值得展开。泄漏的根因通常是"打开文件/网络连接后,异常路径忘了关闭"——正常路径有 close,异常路径直接 return。代码评审里要专门盯异常路径的资源释放,运行时则要监控 fd 数量的走势。

观测项阈值思路报警含义
单进程 fd 总数接近上限的 80%泄漏或连接风暴
fd 增长速度与调用量偏离异常路径在泄漏
泄漏率 × 调用量逼近上限即将耗尽

fd 耗尽是一个会传染的故障:一个任务的 fd 泄漏,会拖垮同进程里所有任务的连接。所以它不只是资源问题,也是隔离问题——在 4.1 的档位决策里,共享进程意味着共享 fd 配额,一个泄漏者连累全进程。

系统调用隔离的审计价值不亚于安全价值。白名单在放行之外,还应该记录"谁、何时、调用了什么"。审计日志回答三类问题:这个任务的调用模式是否符合预期?有没有工具做了白名单外的事情(被拒绝的记录)?内核升级后是否有调用路径悄然变化?

审计问题看什么行动
调用模式异常调用频率偏离基线调查任务行为
越权尝试被拒绝的调用记录复核白名单
升级副作用内核升级前后调用差异更新白名单

审计日志的粒度也要设计:全部记录会淹没在海量调用里,只记拒绝和异常又看不见趋势。折中是采样记录正常调用、全量记录被拒调用——被拒是少且高信号的,值得全量;正常调用采样就够画基线。

还有一个边界要认识清楚:syscall 白名单挡不住纯应用层攻击。 工具代码自己写错、参数注入、prompt 注入,都在 syscall 之外。4.2 的隔离是纵深防御的一层,不是全部——它配合 4.3 的能力边界、6.1 的工具契约,共同构成隔离体系。

系统调用隔离有一个容易忽视的入口:可执行文件与解释器。白名单若只覆盖"运行时的 syscall",但工具允许 Agent 生成并执行脚本(如 python、bash、node 作为 syscall execve 的目标),那白名单就被脚本内的任意 syscall 绕过了——脚本自身的 syscall 属于新进程,属于解释器的白名单。设计上要区分"白名单隔离进程"与"白名单隔离任务"。

隔离对象覆盖盲区
进程 syscall宿主进程行为子进程、脚本
脚本解释器execve 目标脚本内部 syscall
完整沙箱含脚本需覆盖子进程链
白名单在 execve 层面必须递归:
宿主进程 -> 工具 -> 生成的脚本 -> 脚本的 syscall

实用上的补救是"解释器白名单 + 资源限额"双管:解释器只允许少数受控目标(白名单的 execve 目标集合),同时用 RLIMIT 限制 CPU/内存/文件大小,让即使绕过也被资源上限兜底。4.2 的默认拒绝 + 有限白名单,加上资源兜底,才构成完整的纵深。

syscall 白名单与能力边界(4.3)是两道不同的门,要分别设计。 能力边界管"Agent 的权限"(能不能调这个工具、能不能碰这类资源),syscall 白名单管"进程能做什么"(能不能发起网络、能不能写文件)。一个 Agent 可能持有高能力,但它的执行进程只被授予窄 syscall——权限与进程两个维度叠加,才是完整的隔离。

维度管什么粒度
能力边界Agent 权限工具/资源级
syscall 白名单进程行为系统调用级
资源限额用量上限资源级

白名单的维护成本本身要管理:工具一多,白名单列表膨胀,审起来困难。实践是用"工具→syscall"映射表维护:每个工具声明它需要的 syscall 集合,进程启动时合并成最终白名单。这样白名单从"一坨列表"变成"可推导的映射",加工具时只加一行,审计时按工具查。

还有一类调用要单独关注:进程自省(ptrace、/proc)。 这类调用能让进程看到宿主信息或附着其他进程,属于高危。白名单默认拒绝进程自省类 syscall,除非任务明确需要,并在审计里单独标记。“看得到什么"与"改得了什么"在 syscall 层要一起管。

syscall 隔离与调度器(3.1)有一个交互点:调度策略决定任务何时执行,syscall 策略决定任务执行时能做什么。一个任务是"高优先级但低权限”,另一个是"低优先级但高权限"——两个维度正交,却都要在任务元数据里显式声明。任务配置要同时含调度属性与隔离属性,否则出现"高权限任务被排到关键路径却没被隔离"的空隙。

任务属性维度声明位置
优先级调度任务配置
隔离档位安全任务配置
syscall 白名单安全工具映射

架构判据

系统调用与资源隔离是否合格,用五条判据检查:

判据合格的样子不合格的样子
策略默认拒绝白名单只列任务所需黑名单,忘了禁的就开放
攻击面可数开放面可量化、可审计开放面只能靠猜测
规则匹配任务只给任务所需的调用/文件/网络给整台机器的权限
泄漏可监控fd/句柄泄漏有监控与上限泄漏到耗尽才被发现
新功能安全新内核功能不增加攻击面默认允许自动开放新调用

判据第一条"默认拒绝"是核心:黑名单策略的维护成本会随系统演进持续上涨,白名单不会。 判据第四条提醒:fd 泄漏是线性累积问题,要监控"泄漏率 × 调用量"而不是事后数数。

小结

  • 默认拒绝的攻击面是白名单大小,默认允许的攻击面是全集减黑名单;同样的维护投入,黑名单开放面大得多。
  • 默认拒绝更省维护:新内核功能不自动增加攻击面,默认允许则反之。
  • fd 泄漏是调用数的线性函数:泄漏量 = 打开量 ×(1 − 关闭率),会累积到耗尽。
  • 监控要盯"泄漏率 × 调用量",不能等耗尽才发现。

阅读导航:上一节:4.1 进程、容器、微虚拟机 · 下一节:4.3 能力边界与逃逸面 。

常见错误与边界

  1. 用黑名单图省事。 黑名单规则少不等于攻击面小;忘了禁的调用全开放,新功能还自动加开放口。
  2. 只给"够用"不给"最小"。 隔离的粒度是"任务需要什么",不是"机器上有什么"。
  3. 以为 90% 关闭率没问题。 40 次调用仍泄漏 4 个 fd,调用量放大后照样耗尽。
  4. fd 耗尽当偶发故障。 它是线性累积的必然结果;要监控泄漏率而不是事后数数。
  5. 白名单只写一次。 任务加新能力时白名单要同步更新;忘了加就是"允许列表里没有",任务会莫名失败。

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图