พื้นที่ปลอดภัย VM สำหรับการรันตัวแทน AI ที่ไม่เชื่อถือได้
nilbox จาก Rednakta ให้บริการซอฟต์แวร์รักษาความปลอดภัยบนเดสก์ท็อปที่แยกตัว AI agents และ MCP servers ที่ไม่น่าเชื่อถือใน Linux VM แอปพลิเคชันนี้ทำงานกับโค้ดของแขกภายในเครื่องเสมือนที่ถูกควบคุมในขณะที่เก็บ API credentials ไว้ห่างจากแขกผ่านการแทนที่โทเคนด้านโฮสต์และนโยบายการส่งออกที่ควบคุม ผลประโยชน์หลักรวมถึงการแยกระดับ VM และสภาพแวดล้อมของแขกที่ไม่มีโทเคน เป้าหมายคือผู้พัฒนา AI และนักวิจัยด้านความปลอดภัยที่ต้องการทดสอบ agents โดยไม่เปิดเผยความลับของโฮสต์。
คุณสามารถใช้เครื่องมือนี้ทำงานอะไรได้บ้าง?
แอปพลิเคชันทำงานด้วย AI agents ที่ไม่ได้แก้ไข, ไบนารีที่ปิดซอร์ส, และแพ็กเกจที่ไม่เชื่อถือได้ภายใน VM ที่แยกตัว, ทำให้นักพัฒนาสามารถดำเนินการโค้ดของบุคคลที่สามได้โดยไม่ต้องเปลี่ยนแหล่งข้อมูล มันยังโฮสต์เซิร์ฟเวอร์ Model Context Protocol และเสนอ MCP bridge ที่เชื่อมต่อเครื่องมือที่โฮสต์ใน VM กับแอปพลิเคชันโฮสต์ผ่าน VSOCK, ซึ่งสนับสนุนการทำงานที่ต้องการจุดสิ้นสุดตัวแทนในท้องถิ่นหรือการรวมเข้ากับไคลเอนต์เดสก์ท็อป.
การป้องกันข้อมูลประจำตัวมีความแข็งแกร่งเพียงใดในทางปฏิบัติ?
ข้อมูลประจำตัวจะยังคงอยู่บนโฮสต์ในขณะที่แขกเห็นเพียงโทเค็นตัวแทน และพร็อกซีด้านโฮสต์จะเปลี่ยนคีย์จริงอย่างเลือกสรรสำหรับจุดสิ้นสุดที่ได้รับการตรวจสอบ การจราจรขาออกจะถูกกำหนดโดเมนและมีการขออนุมัติ ซึ่งช่วยลดการเปิดเผยต่อการขโมยข้อมูลจากระยะไกล การใช้ VM Linux เต็มรูปแบบแทนการแชร์เคอร์เนลโฮสต์จะลดพื้นที่การโจมตีเมื่อเปรียบเทียบกับวิธีการคอนเทนเนอร์.
การตั้งค่าและข้อมูลนำเข้าที่ต้องการมีลักษณะอย่างไร?
แอปพลิเคชันมีให้ใช้งานเป็นแอปพลิเคชันเดสก์ท็อปสำหรับ Windows, macOS, และ Linux และสร้างด้วย Rust และ Tauri การสร้างจากแหล่งข้อมูลต้องการ Node.js 18 หรือใหม่กว่าและ Rust toolchain เนื่องจากมันทำงานใน VM เต็มรูปแบบ คาดว่าจะใช้ทรัพยากรมากกว่าการใช้คอนเทนเนอร์; ตัวแทนที่อัปโหลดและไบนารีเซิร์ฟเวอร์จะทำงานภายในแขกโดยไม่ต้องแก้ไข.
เครื่องมือนี้เหมาะสมสำหรับการทำงานของนักพัฒนาหรือไม่?
เครื่องมือนี้ดักจับตัวแปรสภาพแวดล้อมและการเรียกเครือข่ายที่ชั้นโฮสต์ ดังนั้นตัวแทนและเซิร์ฟเวอร์ MCP จะทำงานโดยไม่ต้องเปลี่ยนแปลงโค้ด การออกแบบนั้นเหมาะสำหรับการทดสอบที่มุ่งเน้นด้านความปลอดภัยและการตั้งค่าทดลองที่นักพัฒนาและนักวิจัยใช้ แต่ต้องการการทำงานร่วมกันเพื่อเพิ่ม VM ลงใน CI หรือท่อในท้องถิ่น ข้อเสนอแนะแบบชุมชนจากผู้เชี่ยวชาญด้าน AI และ MCP ชี้ให้เห็นถึงความมีประโยชน์สำหรับการทดสอบโมเดลภัยคุกคาม.
ทางเลือกที่ใช้งานได้จริงสำหรับทีมที่มุ่งเน้นความปลอดภัยที่เตรียมพร้อมจะรวม VM
เครื่องมือนี้เป็นตัวเลือกที่ใช้งานได้จริงสำหรับนักพัฒนา AI และนักวิจัยด้านความปลอดภัยที่ต้องการ sandbox ที่มุ่งเน้นความปลอดภัยสำหรับการรันตัวแทนที่ไม่เชื่อถือได้ โครงการนี้เป็นโอเพนซอร์สและได้รับการตอบรับที่ดีในชุมชน AI และ MCP โดยสนับสนุนการตรวจสอบโค้ดก่อนการใช้งาน ทีมที่เตรียมพร้อมจะทำการรวมวิศวกรรมสามารถใช้มันสำหรับการทดลองที่ควบคุมได้และการตรวจสอบโมเดลภัยคุกคามแทนที่จะเป็นการทดลองบนเดสก์ท็อปแบบไม่เป็นทางการ.
