我放四个坏Agent闯自己的认证门，四个全被拦了

上周我花了一整天，试图打败自己写的软件。不是那种为了对外展示而安排的演练，是四个我专门造出来、想混过自家准入门的Agent，每一个都对应生产环境里一种真实的翻车方式。

我造HivePlane，只想证明一件事：一个还没证明过自己的Agent，不该碰生产环境。谁都能搭一个能跑起来的平台，我想知道的是，我的平台能不能说“不”。

四个全被拦下了。下面是每一次拒绝的原文，以及拦下它的那道门。如果你的安全测试里只有顺利路径，这篇文章就是给你的提醒。

攻击一：没认证的Agent

最简单的打法：注册一个Agent，跳过认证，直接提交到生产。

返回的是403，拒绝信息里点名了工作负载、试图进入的环境、当前状态和所需状态。运维人员不用翻源码就能照着处理。更关键的是，这道门在运行记录落库之前就触发了——没有运行记录，没有副作用，没有东西需要清理。在准入环节拒绝，是你上线过的最便宜的一道控制。

拒绝文案本身就是产品界面。“禁止访问”是死路一条，“你需要certified，你现在是uncertified”才是一条工作流。这一点我是吃了亏才学会的，第一版返回的就是前者。

攻击二：换模型

更隐蔽的一种：Agent在测试用的那个模型上完成了认证，然后换一个模型去跑。

结果还是403。系统比对的是这次运行的身份和认证凭证里绑定的模型，而不是清单里声明的那个。只有偏离实际认证时所用模型的行为，才算换模型。

这个场景本身还有一段故事——这个攻击的第一版是被放行的，返回了201，而且那道门放行得没错。那份复盘是系列第四篇，也是整个系列里最让人不舒服的一篇。

攻击三：悄悄退化

这是最重要的一个攻击，因为它是会意外发生的那种：一个看起来没问题、实际有问题的Agent。

这个Agent是故意做傻的——不读issue就作答，从不升级处理，靠猜判断账户等级。认证流程拿生产阈值去跑它，返回了201，状态是uncertified，也就是正确地拒绝给它认证。

这就是核心场景。这个Agent返回的JSON格式完全正确。演示能过，人眼扫一遍输出也能过。但基准测试还是把它拦下了，因为“先读再写、拿不准就升级而不是猜”这类行为，过不了一道确定性的动作审计检查。

一个看起来合理的Agent，不等于一个通过认证的Agent。这句话就是语料库里为什么会有负样本任务的原因。

攻击四：一次跑太贵的运行

最后一个攻击是花钱。这个探针设了每次运行0.000001美元的上限，并且只发起一次受管控的模型调用——所以任何有定价的用量都会超限。

用量报告一越线，运行就以“超出运行预算”失败。记录下来的成本是2.85美元。

两个细节值得抄走：

• 拦截发生在用量报告环节，不是准入环节。准入只能判断当天、当团队的总余量；单次运行的上限，只有在成本产生之后才能判断。拦错接缝，要么什么都拦，要么什么都拦不住——这个接缝能在运行超支的瞬间把它停掉。
• 一个本地零成本模型演示不了预算管控。内置成本表把本地模型定价为零，任何运行都不可能超限。实测配置用一个设置项给身份定价，并去掉了零成本豁免，不用改代码。

门后面的门

这四个攻击还撞上了同一轮实测中触发的几道边界控制：

• 一次破坏性的告警确认调用被升级处理，运行暂停，直到运维人员通过界面批准，然后恢复并跑完。
• 一个40KB的工具载荷在Agent看到之前被截断到16384字节——不管工具返回什么，Agent的上下文都受保护。
• 每一次拒绝、每一次干预，都落进了防篡改的审计链。

我学到了什么

负样本值得被当成一等公民来设计。这四个坏Agent花掉的场景构思，和那两个好Agent一样多。如果你的测试计划里只有顺利路径，你的安全故事就只是一场演示。

在危害变得可测量的那道接缝上拦截。预算拦在用量报告，准入拦在落库之前，塑形拦在Agent的上下文之前。每道门都该设在决策还便宜的那个最后节点上。

看起来合理的Agent才是危险的那个。退化样本失败在行为上，不是输出质量上——JSON是完美的。如果你的基准测试只检查Agent说了什么，那它认证的只是表演艺术。

认证是一道安全控制。一旦生产准入依赖一份签过名的认证凭证，换模型、改清单、或者让Agent悄悄退化，就不再是“运维问题”，而是被拦截、可审计的事件。

它没能证明什么

• 那次破坏性工具的批准，是我通过运维界面批准的，由我本人代替真人——暂停、批准、恢复这条路径是真的，但判断是模拟的。
• 这一轮只测了一个有定价的模型身份；端到端的真实云价格是下一个配置。
• 漂移检测器（捕捉两次认证之间的缓慢衰减）下个版本才上线——这些门拦的是变化，不是褪色。

参考

• 实测报告（v0.1.0）——上面引用的每一次拒绝，都带每个场景的原始证据
• 安全审计——发布前的那次扫描
• Docker测试报告——25/25的容器层

系列下一篇：那个因为错误原因而变绿的换模型测试。

哪种失败模式最让你害怕？