KeyFrame內部研究專用

Securing Agentic AI with NetFoundry: Zero-Trust Connectivity Explained

NetFoundry4 min中文
觀看原始影片

三句話摘要

NetFoundry 利用零信任架構為企業 AI 智能體提供身份驗證和存取控制,杜絕冒充攻擊。 零信任機器身份驗證與細粒度存取授權是保護企業 AI 智能體安全的關鍵,比傳統防火牆與 IP 管理更能有效防止冒充攻擊與未授權存取。 身份驗證的根本缺陷:傳統依賴 IP 位址與 API 金鑰的方式無法區分真假智能體,攻擊者若入侵 CI/CD 管道可輕易部署冒名頂替者,竊取客戶資料而不被察覺。

重點整理

  1. 身份驗證的根本缺陷:傳統依賴 IP 位址與 API 金鑰的方式無法區分真假智能體,攻擊者若入侵 CI/CD 管道可輕易部署冒名頂替者,竊取客戶資料而不被察覺。

  2. NetFoundry 的三層防禦:首先關閉所有入站連接埠使資源在網路上「隱形」,其次透過 X.509 憑證頒發加密機器身份(私鑰永不離開機器),第三透過身份授予明確的存取控制權限。

  3. 實際效果:合法智能體因已被驗證與授權而保持正常運作,冒充的智能體因無法建立連線、無法驗證身份而無法存取任何資源,即使竊得有效憑證也可透過單一操作撤銷。

  4. 部署靈活性與透明性:採用軟體定義的專用覆蓋網路架構,可作為服務運行或完全自建部署,現有網路路由、VLAN、防火牆保持不變,只需關閉資源入站連接埠。

實用技巧與重點

  • 攻擊場景:入侵 CI/CD 管道、部署冒充智能體、竊取客戶投資組合資料
  • 典型智能體工作流:讀取客戶投資組合 → 查看定價 → 獲取最新新聞 → 運行私人 LLM 評估風險 → 向美國證券交易委員會提交報告(涉及公有 LLM、私有 LLM、內部工具)
  • 身份驗證機制:X.509 簽名憑證、機器身份令牌、加密身份
  • 網路覆蓋:純軟體專用覆蓋網路架構(zero-trust AI connectivity)
  • 撤銷機制:一個電話即可撤銷代理身份,使有效憑證失效
  • 涉及設備規模:300 億台設備的網路

結論

零信任機器身份驗證與細粒度存取授權是保護企業 AI 智能體安全的關鍵,比傳統防火牆與 IP 管理更能有效防止冒充攻擊與未授權存取。

完整解析

在企業 AI 環境中,智能體通常需要存取多個系統與資源。以金融分析為例,一個智能體可能需要讀取客戶投資組合、查詢市場定價、抓取最新新聞、執行私人模型來評估風險,最後向監管機構提交報告。這個流程涉及公有語言模型、私有語言模型以及多個內部工具,複雜度極高。

傳統的安全方案依賴 IP 位址與 API 金鑰來識別和控制智能體。然而,這種方案存在根本的弱點。一旦開發人員遭到入侵、CI/CD 管道被攻擊,惡意攻擊者可以輕易部署第二個與原始智能體完全相同的冒名頂替者。由於現有認證機制無法區分它們,這個假智能體可以存取相同的資源、生成虛假報告,甚至在後台竊取客戶資料而不被發現。在三百億台設備的網路中,任何一台都可能存取開放的資源。

NetFoundry 透過零信任架構徹底解決這個問題。當智能體初次建立連線時,系統會執行三個關鍵操作。首先,系統關閉資源上的所有入站連接埠,使這些資源在物理網路上形同隱形。沒有開放端口意味著無法被直接存取或利用。其次,系統為每個智能體頒發唯一的機器身份,透過 X.509 簽名憑證建構加密身份,其私鑰永遠不會離開該機器,無法被複製或冒充。第三,系統實施嚴格的存取授權,確保智能體只能存取經過明確批准的資源。

實際運作時,合法的智能體因已獲得驗證與授權,可以正常執行所有操作——讀取投資組合、查詢定價、獲取新聞、運行風險評估、提交報告。而冒充的智能體即使嘗試執行相同操作,也會因為無法進行身份驗證、無法通過授權檢查而被阻攔,最終無法存取任何資源。

NetFoundry 採用純軟體定義的專用覆蓋網路架構實現這種零信任 AI 連線,支援兩種部署方式:作為服務運行,或完全部署在組織的私有環境內。無論哪種方式,都無需修改現有網路的路由、VLAN 或防火牆設定。組織只需關閉資源的入站連接埠並部署 NetFoundry。資源的連接埠保持關閉,但因為資源與 NetFoundry 架構建立出站連線,授權使用者仍能正常存取。從本質上講,這個網路就像一個智慧交換機,只允許經過驗證與授權的代理存取符合安全政策的資源。即使某個機器身份被洩露或需要退休,管理員也只需一個操作就能撤銷其存取權限,使其再無法進行任何操作。

11 min
AI 安全中文11月21日

防蒸餾的三道防線:OpenAI 怎麼保護 AI 的思考過程

一隻羊聊AI看原片 ↗
  • 思考過程是最值得保護的資產:完整的思維鏈(Chain-of-Thought)包含最終答案中沒有的中間步驟,蒸餾來的模型若學到完整思考過程,會多掌握超出預期的能力,包括原本應被防護的攻擊技巧。實驗顯示,學完整思考的學生在資安測驗中表現顯著優於
  • 三層防護結構應對單次請求與持續威脅:模型透過對抗訓練自我拒絕套話,分類器檢查請求意圖與回應內容(包括工具參數),API 層將思考過程與對話綁定,防止跨對話搬運。九月報告曾揭示的加密思考搬運攻擊已被修補。
10 min
AI 安全中文11月13日

The New AI Security Nightmare: Undetectable LLM Backdoors

Internet of Bugs看原片 ↗
  • LLM 可被訓練成在表面上表現正常,卻在特定條件(如在程式碼註釋中看到某個特定字串)觸發時執行訓練者指定的惡意行為,例如上傳環境變數檔案到遠端伺服器。這種後門是不可偵測的,研究者找不到檢測方法,且即使進行後續重新訓練也無法消除。
  • 任何參與模型創建或分發的人員都可能植入這類後門,不論模型是由知名 AI 廠商託管在雲端、還是自行部署。只要組織內有不可信任的人員,就無法完全排除這個風險。
22 min
AI 技術中文10月27日

Switch 2 宣告失守! AI 黑客 14 日暴力破解,唔使拆機、唔使焊晶片!任天堂今次真係驚咗?

大世界看原片 ↗
  • 漏洞來源出人意料:攻擊源於 iTunes 上售價約 25 美元的編程教學軟體 Small Basic。黑客利用其解釋器中的 32 位整數溢位漏洞穿過沙盒限制,再透過 ROP 鏈和緩衝區溢位層層深入,最終取得檔案系統完整權限。這套設計精妙的攻
  • AI 徹底改變破解生態:研究員 Pepsi Poo 坦承,破解工作大部分由 OpenAI 的 Codex AI 編碼代理執行。他搭建自動化測試裝置讓 AI 24 小時不間斷地觸發漏洞並自動重啟,兩週內完成原本需耗時數年的工程。這不是 AI