AvaKill: ไฟร์วอลล์ความปลอดภัยแบบไม่มีความเชื่อใจที่ปกป้องการเรียกเครื่องมือของตัวแทนอิสระ
AvaKill, จาก Log Bell, เป็นไฟร์วอลล์ความปลอดภัยแบบโอเพนซอร์สที่ปกป้องเอเจนต์อัตโนมัติด้วยการควบคุมการโต้ตอบของพวกเขากับเครื่องมือระบบ แอปพลิเคชันจะดักจับการเรียกเครื่องมือของเอเจนต์และบังคับใช้การตัดสินใจที่ขับเคลื่อนด้วยนโยบายก่อนที่การดำเนินการจะเกิดขึ้น โดยให้ชั้นการบังคับใช้ระหว่างโมเดลและการดำเนินการ ความสามารถหลักรวมถึงการดักจับแบบเรียลไทม์, การตรวจสอบนโยบายที่กำหนดล่วงหน้า, และการบันทึกการตรวจสอบเพื่อติดตามการตัดสินใจ มันมุ่งเป้าไปที่นักพัฒนา AI, วิศวกร DevOps, และทีมความปลอดภัยที่นำเอเจนต์ไปใช้ในสภาพแวดล้อมการผลิตหรือท้องถิ่นที่ละเอียดอ่อนซึ่งต้องการการควบคุมการดำเนินงานที่สามารถบังคับใช้ได้.
หยุดการเรียกเครื่องมือที่อันตรายด้วยการบังคับนโยบายที่กำหนดล่วงหน้า
เครื่องมือจะดักจับการเรียกเครื่องมือทุกครั้งที่ทำโดยตัวแทนและประเมินมันตามกฎ YAML ที่ผู้ใช้กำหนด โดยบังคับใช้โมเดลที่ไม่มีความไว้วางใจซึ่งจะหยุดการดำเนินการที่ตรงกับกฎห้ามก่อนที่มันจะดำเนินการ การดักจับนั้นใช้กับคำสั่งเชลล์ การเขียนไฟล์ และการเรียกเครื่องมือภายนอกอื่น ๆ เพื่อให้ตัวแทนไม่สามารถทำการเปลี่ยนแปลงที่ทำลายล้างได้โดยฝ่ายเดียว เนื่องจากการตรวจสอบเป็นแบบกฎแทนที่จะเป็นแบบโมเดล การตัดสินใจในการบังคับใช้จึงเป็นแบบกำหนดล่วงหน้าและไม่อยู่ภายใต้การจัดการคำสั่ง
ส่งมอบการบังคับใช้ที่มีความล่าช้าต่ำด้วยการตัดสินใจที่ตรวจสอบได้
เครื่องยนต์นโยบายทำการตรวจสอบด้วยค่าใช้จ่ายที่ต่ำกว่าไมโครวินาที ทำให้ความล่าช้าต่อการเรียกแต่ละครั้งมีน้อยในขณะที่สร้างบันทึกการตรวจสอบที่ละเอียดของการเรียกที่ถูกดักจับและการจับคู่ของนโยบายสำหรับการตรวจสอบความปลอดภัย เครื่องมือยังสแกนการตอบสนองของเครื่องมือเพื่อตรวจจับความลับ คีย์ API และข้อมูลส่วนบุคคล ดังนั้นชั้นการบังคับใช้จึงทั้งบล็อกการกระทำที่อันตรายและเน้นการเปิดเผยข้อมูลที่อาจเกิดขึ้น การตรวจสอบที่กำหนดล่วงหน้าช่วยลดความเสี่ยงของการตัดสินความปลอดภัยที่ไม่สอดคล้องกันในระหว่างการดำเนินการสด
รวมเข้ากับสแต็คของตัวแทนผ่านหลายเส้นทางการบังคับใช้
สามเส้นทางการบังคับใช้ ครอบคลุมการเชื่อมต่อของตัวแทนพื้นเมือง โปรซี่ MCP ที่ส่งเสริมการเรียกเครื่องมือผ่านเครื่องยนต์นโยบาย และการแซนด์บ็อกซ์ระดับ OS โดยใช้ Landlock, sandbox-exec หรือ AppContainer การกระจายเป้าหมายสภาพแวดล้อม CLI ข้ามแพลตฟอร์มและติดตั้งผ่าน pip หรือ pipx ทำให้ตัวแทนและกรอบงาน Node.js และ Python สามารถรวมชั้นนี้ได้โดยไม่ต้องเปลี่ยนแปลงโค้ดเซิร์ฟเวอร์ ตัวอย่างของตัวแทนที่รองรับรวมถึงดังต่อไปนี้
- Claude Code
- Cursor
- Windsurf
- Gemini CLI
เหมาะสำหรับการทำงานด้านความปลอดภัยและนักพัฒนาแต่ต้องการการบำรุงรักษานโยบาย
เครื่องมือแสดงกฎใน YAML พร้อมรายการอนุญาต รายการห้าม และการจับคู่รูปแบบอาร์กิวเมนต์ ดังนั้นการครอบคลุมจึงขึ้นอยู่กับความสมบูรณ์และความถูกต้องของนโยบาย การรวมผ่านโปรซี่ MCP ช่วยหลีกเลี่ยงการแก้ไขเซิร์ฟเวอร์ที่มีอยู่ อย่างไรก็ตาม ทีมความปลอดภัยและ DevOps ต้องเขียน ทดสอบ และบำรุงรักษานโยบายเหล่านั้นและตรวจสอบบันทึกการตรวจสอบเพื่อรักษาการป้องกันเมื่อมีการเปลี่ยนแปลงตัวแทน การออกแบบมุ่งเป้าไปที่นักพัฒนา AI วิศวกร DevOps และทีมความปลอดภัยที่ปรับใช้ตัวแทนในสภาพแวดล้อมที่ละเอียดอ่อน
ดีที่สุดสำหรับทีมที่ยอมรับการทำงานด้านนโยบายการดำเนินงานสำหรับการควบคุมตัวแทนที่บังคับใช้
สำหรับการปรับใช้ตัวแทนการผลิต เครื่องมือนี้เป็นการควบคุมที่มีเหตุผลสำหรับทีมที่ต้องการการตัดสินใจที่บังคับใช้และสามารถติดตามได้ แทนที่จะเป็นชั้นความปลอดภัยเชิงอนุรักษ์; วางแผนที่จะจัดสรรเวลาในการออกแบบนโยบาย การทดสอบ และการตรวจสอบบันทึก เพราะความถูกต้องของกฎจะกำหนดการป้องกัน ค่าใช้จ่ายต่อการโทรที่ต่ำเหมาะสำหรับตัวแทนที่มีการส่งข้อมูลสูง แต่การรักษาความครอบคลุมของนโยบายที่ถูกต้องเป็นความรับผิดชอบในการดำเนินงานที่ต่อเนื่องมากกว่าการตั้งค่าเพียงครั้งเดียว.
