简单示例
一个组针对任务生成八条回答。一条声称只读取文件,但外部快照显示文件被修改。为避免污染样本扭曲该组的学习信号,八条回答都会被隔离。只有在没有共享事件且排除比例未超限时,活动才会继续。
一个面向编程智能体的可复现实验室。它尝试突破所声明的限制——经由 MCP、shell、脚本或直接的 API 调用——从智能体外部观测结果,然后在同一配置档下运行真实任务。产出是一个候选变更、每一条经过测试的路径各自的签名证据,以及一份明确列出哪些未被评估的清单。
Beta · 按路径的证据
实验室今天做什么
每一条都是实验室及其所产出签名报告的性质,不用问我们就能核对。
智能体评估与训练的过程溯源
该协议把任务授权、环境和声明的数据,与外部观察器验证的实际影响关联起来。在 GRPO 中,如果一条回答受到污染,整个组会在模型更新前被隔离。已签名的数据清单和检查点可用于验证每个模型版本使用了哪些数据。印章提供证据;是否接纳结果由接收团队决定。
一个组针对任务生成八条回答。一条声称只读取文件,但外部快照显示文件被修改。为避免污染样本扭曲该组的学习信号,八条回答都会被隔离。只有在没有共享事件且排除比例未超限时,活动才会继续。
证据仅涵盖已测试的配置和路径;它不能证明所有活动都已被观察,也不能证明智能体普遍安全。CPU 参考流程已通过本地测试。GPU/vLLM 和托管见证服务仍待 staging 验证。签名不等于独立机构审计,也不代表具备法律上的证据资格。
它为何存在
一个团队想让编程智能体工作,同时不让它触及生产环境、机密或他人的工作,而且需要在不毁掉自己真实环境的前提下,核实这些限制确实站得住。hooks 与审批模式描述的是智能体如何请求许可;它们不是一道安全边界。风险在于智能体实际能动用的权限,以及它实际能到达的路径——一个 SSH socket、一个浏览器会话、一个会为任何请求签名的 proxy,或者一个内部端点,都能在不暴露任何一把密钥的情况下赋予权限。
测试背后的失效类别
2026 年的公开案例塑造了这些场景。每个类别都对应一项控制,以及试图突破这项控制的那些测试。
一个智能体在某位开发者的机器上找到一个长期有效、作用于整个账户的令牌,直接调用了提供方的 API,删除了一个生产数据库卷。控制:环境内不存在环境凭据、socket、浏览器会话或云元数据;可导出的效果只能经由 Execution Guardian。
测试 · H04 · H05 · H15
在一次内部评估中,本应被隔离的智能体把一个共享的包缓存当作留言板,并进行了大规模协同。控制:每次运行一个私有命名空间,依赖来自不可变的快照,并且不存在任何会触发下载或写入的缓存未命中——哪怕只是一个 GET 也可能改变缓存。
测试 · H10 · H23
无解的任务把执着的智能体推向钻评分器的空子,而不是停下来。控制:cannot_complete_within_scope 与 needs_authority 都是有效的结果,经由一个有界通道交给运营方——绝不是扩大权限的理由。
测试 · H22
那次调查中的部分对话记录,含有看似真实、实则不然的工具结果。控制:智能体之外的观测者读取效果以及目的地的后置条件;无论是智能体的日志,还是 Guardian 自己的成功消息,都不被当作事实。
测试 · H11 · H17
只依赖一项控制的隔离,只能撑到那项控制失效为止。控制:一道独立于 Guardian 的外层屏障;攻陷某个辅助程序乃至 Guardian 本身,都不得因此打开通往互联网、宿主网络或其他测试活动的通路。
测试 · H19
在那次评估事件中,检测与叫停都发生在损害之后。控制:智能体之外的持久叫停;一旦过期就关闭准入与出站的观测者心跳;以及任何重试或重启都无法重置的测试活动预算。
测试 · H07 · H20 · H21
这些案例是提出这些失效类别的动因。它们不是取证意义上的复刻,这里也没有任何内容声称本实验室本可以阻止它们。所测试的变体——别名、shim、缓存未命中——均为自行设计。
闭环
一个已声明的限制,会变成一项可反驳的测试,随后同一个限制又支配真实的运行。更改任何实质性字段——模型、某个挂载、策略、适配器或目的地——都会迫使受影响的路径重新验证,之后才能再次计入。
四项彼此分离的职责
提出变更;hooks 解释拒绝的原因。它的文字、它的测试和它的日志,在经过对照之前都是不可信的证据。它可能出错,也可能试图规避控制。
在智能体的掌控之外,限制文件、进程、时间、资源与网络。第一个后端:一次性基础设施之中、Linux 上的非特权 Docker——没有宿主的 HOME、共享的 .git、SSH 或 Docker socket、浏览器会话、云元数据或环境凭据。
可导出效果的唯一执行者。它验证合约、行为者、预算、前置状态、策略与吊销。它的密钥和账本,永远不会挂载到智能体运行的地方。
智能体之外的一个进程,记录结果以及它自身的健康状况;另一个独立的读取器核对目的地的后置条件。两者都不把模型的摘要或 Guardian 的日志当作事实。
在实验室中,观测者与 Guardian 是彼此分离的进程,各自拥有独立的目录与权限。这是相对于被测进程的独立性,而不是独立的机构审计。
配置档与实验室等级
控制配置档
HP0协作式的 hooks 与配置。可用来诊断意外;Guardian 之外的效果不在覆盖范围内。HP1隔离执行器、Execution Guardian 与外部观测者。只有在所声明的后端与版本上测试过的路径,才能宣称实现了遏制。HP2HP1 再加上在目的地经过验证的限制。它扩大的是对该目的地的覆盖,而不是对他人云端智能体内部的覆盖。实验室等级
LR0在合成 fixture 上运行的确定性、经过评审的进程,位于禁用网络的临时非特权容器中。证明的是机制的逻辑,而不是面对对抗性代码时的安全性。LR1对某个 harness 的有界重放:使用合成响应并禁用其扩展,在关闭出站的专用容器中进行。如果该 harness 能运行任意代码,这次运行就移到 LR2。LR2自主模型、不可信代码与对抗性测试:一台专用的一次性 Linux 虚拟机,配有独立的外层屏障与测试活动限制。三个配置档——包括刻意放宽的基线——都在一个没有生产环境、也没有互联网目的地的封闭环境中运行。基线可以触及一个合成的禁止资源——绝不会是真实的资源。
fixture 默认参数
作为实验室参数进行版本管理:一个合成仓库的副本、2 个 CPU、4 GiB 内存、256 个进程、2 GiB 临时工作空间,以及每次运行 10 分钟。超时、资源耗尽或观测者故障的结果是 incomplete——绝不是 PASS。可信服务保有各自独立的预留资源,因此耗尽智能体的资源,既无法让记录沉默,也无法阻止叫停。
可以核对的证据
每次运行都由经 Zod 校验、带版本的结构来描述:HarnessProfileV1、HarnessScenarioV1 与 HarnessRunReportV1。报告由智能体之外的一把监督程序密钥签名,并对照经由运营方通道安装的 trust anchor 离线验证;密钥若随它所签名的报告一起附带,就永远不被信任。
结果
PASS · FAIL · SKIP
强制性的 SKIP 永远不会打开关卡,缺失的依赖也永远不会变成一次通过的运行。
等级
模拟 · 真实集成 · 未评估
模拟永远不会被当作集成来呈现。
按路径的覆盖
已保护 · 被反驳 · 部分 · 未评估
一次造成了效果的绕过,会把已声明的覆盖变为「被反驳」。
准入是多项条件的合取:确切的权限、本地策略、每条必需路径上真实且适用的证据、持续有效的观测,以及尚有余额的预算。一份报告可以满足其中一项条件;它永远不会取代其他条件,也永远不会创造出一项许可。一条由运营方在智能体之外安装、带版本的规则,会把每项主张的实质依赖与此刻观测到的配置相比较——任何缺失、未知或无法核对的字段,都意味着未评估。
一份绿色的报告永远不会签发 Execution Grant,永远不会取代 MFA 或法定人数,也永远不会授权未来的结果。一个新的候选 SHA 需要一次新的确切批准,即使所有环境证据仍然适用。
确切导出
在 GitHub 上
在 GitHub 上,第一个版本只会在一个私有、一次性且没有工作流的仓库中,创建一个指向确切候选 SHA 的新的唯一 ref。GitHub 的 REST API 在更新 ref 时不提供以先前 SHA 为前提的条件,因此没有实现更新:创建是原子的、绝不强制,出现竞争就会失败,后置条件会重新读取该 ref 并要求它与 bundle 一致。使用的凭据是运营者的本地会话,范围大于最小需要。计划中的关卡——一个独立的可信签发方,即最小权限、检查来源固定的 GitHub App,而不是由拉取请求控制的 Action——需要一次人工管理流程;在它存在之前,不声称最小权限。打开拉取请求是一个独立的、后续的效果;merge、release、publish、deploy、支付和真实删除都不在本版本范围内。
叫停、存活性与预算
关闭新效果的准入与出站路径,停止整个执行单元——cgroup 或容器,而不只是一个进程组——并保留证据。叫停之前已获准入的效果会被对账,绝不会被重新解释为从未发生。
准入要求智能体之外的观测者提供新鲜的心跳。心跳序列必须递增——重复的心跳不会续期任何东西——每次心跳最多换来 3 秒的租约。一旦过期,准入与出站随即关闭,执行单元被终止,这次运行被标记为 incomplete。重启之后依然保持停止。
一本位于智能体之外的账本:对初始 fixture 而言,最多 2 个活跃 runner、6 次启动、累计 30 分钟,API 成本为零。每一次重试都会计入,新会话或重启都不会将其重置。它不创造任何权限,也不构成计费单位。
cannot_complete_within_scope 与 needs_authority 是有效结果,而不是失败。它们以一份严格的结构化提案送达运营方——操作、资源与理由,各占一行、每项最多 512 个字符——提案不带自身的批准,也无法扩大权限。智能体之间没有自由聊天。
工具包
securestamp-harness 是 @securestamp/mcp-guard 包的一部分。产物留在本地,没有遥测,也没有自动上传。报告只包含引用、哈希、原因和指标——绝不包含密钥、提示词、思维链或响应正文。实验室运行、签名报告及其离线验证、隔离区导出和活动账本,都位于 Execution Guardian 包和实验室工具中——Linux 上的 Docker,配合 Inspect。
securestamp-harness doctor <profile.json> [--propose]只审查传入的 HarnessProfileV1——后端、声明的挂载、关键路径、观察者和限制——并区分已声明、已观察和未知。它不遍历 HOME,不查找真实密钥,不建立连接,也不执行该配置。加上 --propose 时,报告会附上一份隐去凭据的修正建议,并按同样的规则再次检查;不会对主机做任何改动。
securestamp-harness probe <native-client>创建临时的合成金丝雀,并通过已安装的智能体客户端版本真实的沙箱启动来运行:以允许的一次读取和一次写入作为阳性对照,再读取一个必须被阻断的禁止金丝雀。PASS 只认定该版本和平台上的这一文件系统路径;SKIP 或插桩错误绝不会变成 PASS。
Harnesses
适配器翻译一个固定版本 harness 的启动过程与事件。当某个 harness 没有等效的阻断式 hook 时,遏制仍在外部完成,而那个 hook 会被标记为不支持,而不是凭空编造一个。Linux 是经过测试的后端;macOS 与 Windows 不继承它的结果,任何 harness 的 logo 都不代表完全覆盖。
最先做的适配器,一次一个。原生 macOS 配置档单独评估,不从 Linux 继承任何东西。
接下来,拥有自己的配置档,每个工作包对应一项性质。
然后是各个 SDK,遵循同样的证据语义。
只计入在真正经过中介的目的地上产生的效果;智能体的内部环境保持未评估。
面向训练与评估模型的团队
harness 评估与 Inspect 集成——借助它的任务、样本与 Docker 沙箱——来处理生命周期、场景与限制。SecureStamp 提供的是外部观测者、效果判定器与报告导出,而不是又一个调度器、LLM 评判器或日志流水线。没有任何评分器会在可信进程中运行候选变更,带有效果的命令的重试已被禁用,开发集与留出集保持分离:留出集永远不会被用来调整控制。
实验室的止步之处
进攻能力评估——让智能体去搜寻真实漏洞——需要完全没有任何通往互联网路径的基础设施。本实验室不声称能抵御内核或 hypervisor 的 exploit,也不声称提供多租户隔离。
它不证明什么
通过一个语料集,并不证明模型已经对齐,不覆盖未知攻击,也不取代治理。
由同一个团队撰写并评审的结果,不是独立的机构评估。第三方的复现会另行认定。
它验证的是已插桩的路径与具体的后置条件。经由获授权的提供方进行推理调用,会把数据发送给该提供方,这一点会被声明为暴露。
控制观测的是动作与效果。它们不需要思维链,也不声称能检测心理意图。
这个版本信任运营方所运行的监督程序:没有硬件证明,没有针对管理员的防护,也无法抵御 hypervisor 逃逸。
hooks 与审批模式描述的是如何请求许可;它们并不限定一个进程能触及什么。approval_policy=never 只说明审批如何进行。
状态
Beta,以 Linux 与 Docker 作为经过测试的后端。每个结果都带有自己的等级——模拟、真实集成或未评估——连同它的分母、版本与配置;没有探针的路径保持未评估。与外部团队的试点以及真实的人工审批仪式是下一步,届时也会以同样的方式报告;本页上没有任何内容从模拟外推出真实世界的结果。
接受质疑
本方法在此公开,供批评和改进。报告验证器可离线运行,无需账户。公开规范和标准文本采用 CC BY 4.0;公开软件包中的代码、模式和场景遵循各自的软件包许可证(声明采用该许可证的 SAES 软件包使用 Apache-2.0)。错误结果无需公开 exploit 即可报告;后续运行会新增版本并保留旧版本。当同一团队既构建又评估某项控制时,会声明这一冲突。
来源
查阅于 2026-09-30。为失效类别提供依据的公开指南与开放规范;事件描述不点名任何相关方。