Skip to content

04 多租户隔离 → Agent 沙箱选型与边界 ​

系列:云基础设施 → Agent 执行层:能力迁移 · 第 4 篇 定位:隔离与安全域(子系列收官) 前置阅读:总纲 · 02 FaaS 冷启动 · 03 状态外置

迁移核心问题:隔离技术栈十年没变(namespace/cgroups → gVisor → MicroVM),可以直接搬;变了的是威胁模型和隔离粒度——这是本系列里"旧答案最完整、新约束最凶险"的一篇。

摘要 ​

Agent 场景的隔离技术栈可以直接平移(gVisor/FireCracker 的选型边界与压测数据依然适用),但威胁模型从"防过失与好奇"升级为"防主动攻击"(prompt 注入使沙箱成为安全下限),隔离粒度从租户级细化到任务级/调用级,且必须与身份系统联动(凭据作用域 ≤ 沙箱作用域)。本文给出选型决策树与三份必须成文的边界协议。

1. 当年的机制:隔离技术栈与三角权衡 ​

1.1 三个隔离目标 ​

传统多租户隔离回答三个问题:

  1. 故障隔离:租户 A 的崩溃/资源失控不影响租户 B——cgroups 资源上限 + 驱逐机制;
  2. 信息隔离:租户 A 看不到租户 B 的数据——namespace(PID/网络/挂载)+ 访问控制;
  3. 资源公平:吵闹邻居不挤占别人——CPU 份额、IO 权重、带宽限速。

1.2 技术栈与三角权衡 ​

技术栈隔离原理隔离强度启动速度密度syscall 兼容性密度成本
容器 + 强化配置namespace/cgroups/seccomp弱(共享内核)毫秒极高完整极低
gVisor(用户态内核)拦截 syscall 在用户态重实现中(内核面缩小 ~80%)亚秒中~90%(长尾不兼容)中
FireCracker MicroVMKVM 硬件级虚拟化强(独立内核)~125ms中低完整中高(MB 级底噪/实例)
WASM(WASI)线性内存沙箱中强(语言级验证)毫秒极高受限(生态早期)极低

三角权衡的本质:隔离强度 × 密度成本 × 兼容性,最多取二。当年的选择逻辑是按"负载可信度"分层:自有代码跑容器,第三方代码跑 gVisor/MicroVM。

2. Agent 时代:威胁模型的三重升级 ​

2.1 从"防过失"到"防主动攻击" ​

传统多租户的威胁模型是过失与好奇:bug 导致的越界、侧信道窥探。Agent 场景的威胁模型是主动攻击,且攻击入口是平台自己提供的:

被污染的网页/文档/工具输出
    → prompt 注入(ASI 系列风险的核心入口)
    → Agent 被"说服"执行攻击者指定的代码/调用
    → 沙箱成为最后一道防线

关键认知:prompt 注入在可预见的未来无法在推理层根治(指令与数据同载体是 LLM 的结构性缺陷)。所以执行层的定位从"合规隔离"升级为"安全兜底"——平台安全的下限由沙箱决定,而不是由对齐技术决定。OWASP Agentic Top 10 里过半风险(任意代码执行、越权工具调用、凭据滥用)最终都收敛到"沙箱 + 身份是否兜得住"。

2.2 隔离粒度:从租户级到任务级 ​

第二个升级是粒度:

  • 租户级(老边界):A 公司与 B 公司互不可见——依然必要但不充分;
  • 任务级(新主边界):同一用户的两次 Research 任务之间也应隔离——防上下文投毒跨任务传播(任务 1 被注入的恶意指令不应影响任务 2)与记忆污染回写(03 篇);
  • 调用级(最小边界):单次高风险工具调用(执行不可信代码、访问外部数据源)应在其专属的短命沙箱内完成。

推论:沙箱生命周期与隔离边界必须同构——任务级边界意味着沙箱随任务生灭,这直接强化了 02 篇供给能力的必要性(供给速度不足会倒逼平台"复用沙箱省时间",等于亲手拆隔离)。

2.3 与状态的耦合:隔离边界 × 凭据作用域 ​

第三个升级是把隔离从"计算域"问题变成"计算域 × 身份域"联合问题:

  • 沙箱内进程持有的凭据必须只在当前隔离边界内有效(任务级沙箱 → 任务作用域凭据,随沙箱销毁立即失效);
  • 若沙箱复用但凭据是租户级长期 Token,则隔离形同虚设——凭据作用域必须 ≤ 沙箱作用域,这是选型时最容易违背的铁律;
  • 短生命周期凭据 + 任务级 RBAC + 权限随任务衰减(任务结束即回收),构成 NHI 治理在执行层的完整落地。

3. 选型决策树 ​

决策要点:

  1. 威胁模型先于技术选型:先回答"要防什么"(过失/好奇/主动攻击),再进决策树。跳过威胁模型直接选技术是 L0 平台的典型症状;
  2. 混合部署是常态而非妥协:交互式高价值任务 MicroVM、批处理 gVisor、自有工具容器——按会话 SLA 分层混部;
  3. 不要用过时压测数据决策:2026 年的 FireCracker(125ms 创建、MB 级底噪)与 2018 年的 MicroVM 是两种东西。

4. 边界设计协议:三份必须存在的文档级协议 ​

4.1 沙箱生命周期协议 ​

定义沙箱从创建到销毁各阶段的安全动作:创建(模板硬编码、无种子密钥)→ 绑定(02 篇的原子绑定)→ 运行(凭据最小化注入)→ 解绑(数据清除)→ 销毁验证。协议要点:默认销毁,复用是例外且需清除证明——销毁是唯一"保证"信息不泄露的操作。

4.2 出口管控协议(Egress Policy) ​

沙箱隔离了"进来",还必须管"出去"——被注入的 Agent 常见攻击是数据外带(把读到的敏感内容发到攻击者控制的端点):

  • 沙箱网络出口默认全拒绝,白名单按工具需求开(域名级,不是 IP 级);
  • 外发内容做敏感数据扫描(L1 AC 自动机初筛 → L2 轻量分类器 → L3 LLM 深度研判三级递进);
  • 高危外发(大数据量、目标不在任务语义内)阻断 + 告警进决策日志(03 篇)。

4.3 资源与时间预算协议 ​

主动攻击下的新风险面——攻击者通过 Agent 消耗平台资源(挖矿、无限循环调用付费 API、上下文膨胀攻击):

  • 每任务 CPU/内存/网络硬顶(01 篇相位契约的对抗性版本);
  • 令牌与工具调用预算:LLM token 与外部 API 调用次数是 Agent 特有的"资源"维度,必须计费与限额——传统 cgroups 不认识的新资源类型;
  • 任务墙钟时间上限:防"永动任务"式的资源占用。

5. 迁移清单 ​

  1. 威胁模型是否成文?是否明确承认 prompt 注入不可在推理层根治、沙箱是安全下限?
  2. 隔离边界是否细到任务级/调用级?沙箱生命周期是否与边界同构?
  3. 凭据作用域是否 ≤ 沙箱作用域?是否短生命周期 + 任务级 RBAC + 随任务衰减?
  4. 选型是否按会话类型混合分层(MicroVM/gVisor/容器),而非一刀切?
  5. 沙箱生命周期协议是否"默认销毁、复用需清除证明"?
  6. 出口管控是否有白名单 + 敏感数据扫描 + 决策日志告警?
  7. 是否引入了 token/API 调用预算这类 Agent 特有的资源维度?

6. 收官:四域收敛 ​

至此四篇拼图闭环:调度(01)决定沙箱放哪,供给(02)决定沙箱多快就位,状态(03)决定沙箱死了会话能否复活,隔离(04)决定沙箱里的混乱不外溢。它们不是四个模块,是同一枚硬币的四面——调度器想引用隔离强度做放置决策,供给想引用状态层做快照分层,隔离想引用身份系统做凭据作用域。

2026 年 Agent 执行层的竞争,不在于谁先把四域各自做出来,而在于谁先让四域互相引用、联合优化。云基础设施用了十年把这套协同打磨成熟;Agent 平台的窗口期,比当年短得多——这正是"做过云基础设施的人"在这个时间点最值钱的原因。

7. 下一篇 ​

沙箱管住了"里面的混乱";但 Agent 与工具、记忆、子 Agent 之间的每一次交互,还需要在流量层被验证——微隔离与 Service Mesh 的能力迁移,见 05 微隔离 → Agent 东西向治理。


系列:总纲 | 01 K8s 资源模型 | 02 FaaS 冷启动 | 03 状态外置 | 04 多租户隔离 | 05 东西向治理 | 06 身份治理与鉴权 | 07 任务编排

姊妹系列:生产级 Agent 平台架构 2026