Anthropic公开Claude三款产品的隔离架构:沙箱与出口管控划定智能体可触及的硬边界
核心概要
Anthropic公开了claude.ai、Claude Code与Claude Cowork三款智能体产品各自的隔离方案,把安全重心从监督智能体做什么转向限制它能碰到什么。claude.ai在服务端gVisor容器中执行代码,Claude Code用操作系统级沙箱把权限提示减少84%,Claude Cowork把代码执行关进带独立内核的虚拟机。文中称教训最深的两起事件都发生在出口路径上,模型层没有可捕捉的异常,最终靠确定性边界拦截。
深度剖析
Anthropic把智能体安全的重心放在环境层:用沙箱、虚拟机和出口管控划定智能体能够触及的硬边界,而不是逐轮监督它的每一步动作。 Claude Code最初对写入、bash和网络访问逐次请求用户批准,但遥测显示用户批准了约93%的权限提示,审批疲劳使这种监督随时间变得不可靠。 操作系统级沙箱上线后,权限提示减少了84%,运行时代码已开源,边界可供审计。
三款产品按用户能否判断智能体动作的风险采用不同隔离强度:claude.ai在服务端gVisor容器中执行代码,文件系统按会话临时存在;Claude Code在用户机器上运行,读取放行、工作区内写入放行、网络默认拒绝;Claude Cowork在带独立内核和文件系统的虚拟机中执行代码,只挂载用户选定的工作区和.claude文件夹。 Claude Cowork最初把整个智能体循环放进虚拟机,虚拟机启动失败就会让产品不可用,后来把智能体循环移到宿主机、只把代码执行留在虚拟机内。 Claude Cowork的凭据留在宿主机钥匙串,虚拟机只拿到按会话缩小权限的令牌,该令牌可独立于用户撤销。
启示与展望
内容覆盖Anthropic三款智能体产品的隔离设计与内部红队演练,面向构建同类系统的工程与安全团队;文中提出的后续方向包括会话启动时的分类器检查与跨平台智能体身份标准。
文中明确模型层防御永远不会100%有效,任何概率性防御都有非零漏检率;Claude Mythos Preview因破坏范围过大在2026年4月未发布,作者预计同类能力模型在防御方加固关键系统后会逐步放开,但风险始终存在。
