用 eBPF 给失控 Agent 上网络紧箍咒：用户空间把戏全失效

sloppenheimer · x · 2026-09-24

开发者讨论如何约束「不听话」的自主 agent 的网络行为：eBPF 在内核层拦截网络调用，agent 在用户空间无法绕过——无论它用 TLS 还是其他花招，因为拦截发生在它够不到的层面。这可作为 RL 训练沙箱的纵深防御手段。原帖还指出目前方案似乎只针对网络访问而非其他系统调用，并建议记录每次 rollout 中模型尝试的所有系统调用与网络请求，这些统计能揭示模型在「偷偷尝试什么」，从而针对性调整沙箱策略。