把平台交给智能体后会怎样：一场 Kubernetes 攻防演示

📌 One-Sentence Summary

Michael Forrester 与 Whitney Lee 用刻意暴露风险的平台聊天机器人，演示智能体权限、Kubernetes 控制、运行时防护与输入输出过滤如何共同发挥作用。

📝 Summary

讲者让现场观众尝试诱导 BurritoBot 部署不可信镜像、探查文件以及滥用工具。部分请求遭到模型拒绝，另一些结果并不稳定；演示也揭示，包装得可信的业务故事可能促使智能体执行危险部署。随后，他们展示智能体、代理与集群之间的连接，并回到网络策略、准入规则、运行时保护和访问授权等常规 Kubernetes 控制。启用面向模型的输入输出检查后，现场既出现阻断，也出现误过滤。天气工具返回恶意指令的案例说明 MCP 数据同样可能成为注入入口，而追踪有助于还原访问路径。核心启示是分层约束：单靠模型拒绝无法建立稳固授权边界。由于现场攻击结果不一致，个别成功阻断不能作为防护效果的量化证明。

💡 Main Points

智能体指令不能代替授权边界

观众尝试通过外部镜像、文件探查和工具请求攻击 BurritoBot，模型拒绝在不同尝试中并不稳定。

基础设施控制仍不可少

网络策略、准入控制、运行时监控和访问授权限制模型调用后的实际操作。

模型层过滤也有失效与误拦

输入输出过滤能够阻断部分尝试，却可能影响正常内容，需要逐项测试。

工具返回也是注入入口

天气工具案例表明，MCP 输出应被视为不可信输入，并结合追踪检查其影响。

💬 Key Quotes

现在你让智能体进入集群，日常 Kubernetes 安全措施就比以往更重要。

我们会过滤输入，当然这里还有 MCP 授权。

📊 Article Meta

AI Screening： 90

Featured： Yes

Source： AI Engineer

Author： AI Engineer

Category： 软件编程

Language： 英文

Read Time： 42 min

Word Count： 10381

Tags：

编程与工程 , 云原生 / DevOps , 视频 , 智能体安全 , Kubernetes

Play Full Video