Apple ogranicza dostęp do dysku w macOS w miarę rozwoju agentów AI
Apple ogłosił 2 października, że wprowadza zaostrzone zasady przyznawania pełnego dostępu do dysku (Full Disk Access) w macOS. Firma wiąże tę decyzję z rosnącym ryzykiem, jakie stwarzają autonomiczni agenci AI sięgający po dane użytkowników.

2 października Apple opublikował komunikat na swojej stronie dla deweloperów. Zmiana dotyczy sposobu, w jaki aplikacje proszą o pełny dostęp do dysku w macOS. Firma napisała, że „niektórzy deweloperzy” używają tego uprawnienia w „sposób, który może narazić użytkowników na ryzyko”. To zmiana strukturalna w podejściu systemów operacyjnych do uprawnień oprogramowania działającego w imieniu użytkownika.
Konkretne zagrożenie
Apple wyjaśnił, że pełny dostęp do dysku powstał po to, by działały aplikacje do tworzenia kopii zapasowych. Uprawnienie to jednak „w dużej mierze omija” standardowe mechanizmy ochrony prywatności. Według wpisu Apple nadużycie tego dostępu może odsłonić „wszystko, co jest w systemie, łącznie z plikami, pocztą, wiadomościami, a nawet historią przeglądania”, choć użytkownik nie do końca tego świadomy. W przypadku aplikacji do komunikacji taki wyciek dotyka też prywatności osób, z którymi użytkownik rozmawia. Firma zauważyła, że gdy agenci AI stają się „coraz bardziej zdolni i autonomiczni”, ryzyko związane z tak szerokim dostępem będzie „znacznie rosnąć”.
Moment jest istotny. Komunikat pojawia się, gdy popularność zyskują narzędzia takie jak Meta Muse i Dots od OpenAI. To agenci działający bez przerwy, którzy proszą o szeroki dostęp do danych osobowych. 9to5Mac pisał, że wokół Meta Muse pojawiły się już „historie grozy”. Wynika z tego, że ryzyko teoretyczne staje się praktyką. Apple zapowiedział, że wprowadzi mechanizmy, dzięki którym użytkownicy będą przyznawać ten „nadzwyczajny” dostęp wyłącznie w wyniku „bardzo wyraźnego działania użytkownika”. Na moment publikacji raportu firma nie podała szczegółów technicznego wdrożenia.
Tożsamość i kontrola dostępu
Apple zajmuje się uprawnieniem na poziomie systemu, a równolegle narzędzia dla agentów kładą nacisk na tożsamość. Kiedy dasz agentowi swoje osobiste dane logowania, tworzysz lukę w bezpieczeństwie. Aplikacja nie odróżni twoich działań od działań agenta. Jeśli agent zacznie się zachowywać niewłaściwie, jedynym sposobem, by go zatrzymać, jest zmiana własnego hasła. Przy okazji tracisz dostęp do własnego konta. AgentMail, dostawca rozwiązań tożsamościowych dla agentów, przekonuje do osobnego modelu. Proponuje, by agenci mieli własną tożsamość, w tym własną skrzynkę mailową i własny klucz do logowania. W takim modelu agent jest odrębnym podmiotem. Jeśli dane uwierzytelniające wyciekną, dotknie to tylko logowania tego konkretnego agenta, a nie całego konta właściciela. Właściciel pozostaje zapisany jako odpowiedzialny człowiek, ale skutki wycieku są ograniczone.
Rozróżnienie między delegowaniem uprawnień a osobną tożsamością staje się standardową decyzją architektoniczną. W przypadku agentów działających w ramach istniejących kont użytkownika pożyczone uprawnienia się sprawdzają. Dla agentów, które rejestrują się w usługach, odbierają pocztę i przez dłuższy czas utrzymują konta, bezpieczniejsza jest osobna tożsamość. Możliwość odebrania agentowi dostępu bez wpływu na człowieka, który jest właścicielem, to kluczowa cecha bezpieczeństwa. Pożyczone dane logowania tego nie dają.
Weryfikacja i dryf
Uprawnienia to tylko jeden element układanki bezpieczeństwa. Drugi to upewnienie się, że agent robi to, co deklaruje. Microsoft i Hugging Face opublikowały 3 października benchmark o nazwie ThinkingBox. Ocenia on agentów AI na podstawie śladów, jakie zostawiają w bazie danych, a nie zdań, które generują. Benchmark przeprowadza agentów przez 507 stanowych procesów biznesowych, każdy powtórzony 20 razy. Wyniki były jednoznaczne. W teście obejmującym 121 680 prawidłowych prób na 12 modelach LLM 79 853 próby nie przeszły wykonywalnych testów. Wśród tych niepowodzeń 67,24% agentów zakończyło pracę czysto i nie zgłosiło błędu. Mimo to baza danych pokazywała błędne wartości pól w 77,61% takich przypadków. Niezamierzone dodatkowe efekty pojawiły się w 43,30% niepowodzeń. Widać tu zasadniczy problem: agent może brzmieć poprawnie, a mimo to zostawić system w złym stanie.
Sprawę dodatkowo komplikuje „dryf agenta”. Pojęcie opisane w niedawnej analizie Sdarchitect oznacza sytuację, w której zachowanie agenta się zmienia, choć nie wdrożono żadnego kodu. Agenci działają w układzie modeli, narzędzi i danych. Każda zmiana w tych elementach może zmienić zachowanie. Dostawca modelu, który aktualizuje wersję modelu albo zmienia mechanizmy bezpieczeństwa, może sprawić, że agent zacznie działać inaczej. Tradycyjne systemy kontroli zmian, śledzące wdrożenia kodu, tego nie wychwytują. Wniosek jest taki, że ocena musi być ciągła, a nie jednorazowym sprawdzeniem na etapie projektu. Jeśli środowisko się zmienia, zmienia się też zachowanie agenta, niezależnie od kodu samego agenta.
Infrastruktura i nadzór
W miarę jak agenci stają się bardziej autonomiczni, infrastruktura wokół nich ewoluuje, żeby zarządzać ryzykiem. Spawned uruchomił platformę chmurową przeznaczoną zarówno dla ludzi, jak i agentów. Pozwala im wdrażać realną infrastrukturę w AWS, GCP lub Azure. Wykorzystuje deklaratywne ramy, żeby agenci nie tworzyli błędnych konfiguracji ani wymyślonych komponentów. Kimchi proponuje inne podejście, skupione na kosztach i zarządzaniu danymi. Wymusza twarde limity budżetu i pilnuje, żeby dane modeli nie opuszczały środowiska przedsiębiorstwa. To kluczowy warunek w branżach mocno obciążonych wymogami zgodności.
Same techniczne zabezpieczenia nie wystarczą, jeśli zawodzi nadzór ze strony człowieka. Artykuł zatytułowany „Oversight Has a Capacity”, opublikowany na arXiv w czerwcu 2026, przekonuje, że bramki zatwierdzania z człowiekiem w pętli opierają się na fałszywych założeniach. Badanie wykazało, że oceniający tylko umiarkowanie zgadzają się co do tego, jakie działanie jest ryzykowne, przy współczynniku kappa Fleissa 0,52. Co ważniejsze, uwaga człowieka jest skończona. Gdy modeluje się ją jako zasób, który ulega zmęczeniu, faktyczne bezpieczeństwo przybiera kształt odwróconej litery U. Nadmierne eskalowanie spraw może wręcz obniżyć bezpieczeństwo systemu, bo oceniający się męczy. Strategia optymalna dla bezpieczeństwa zakłada eskalowanie rzadziej niż w 100% przypadków i rezerwowanie ludzkiego osądu dla najważniejszych decyzji. Nadzór przestaje być wyłącznie problemem klasyfikacji, a staje się wyzwaniem w rozdzielaniu zasobów.
Zbieg tych wydarzeń wskazuje na nowy etap we wdrażaniu agentów AI. Zbudowanie sprytnego modelu już nie wystarcza. Uwaga przenosi się na cały system. Obejmuje to sposób, w jaki agent się identyfikuje, jak się go weryfikuje względem rzeczywistego stanu, jak zarządza się jego środowiskiem i jak kalibruje się nadzór ludzki, żeby zapobiegać zmęczeniu. Decyzja Apple w sprawie uprawnień w macOS jest sygnałem, że dostawcy systemów operacyjnych biorą to na poważnie. Kończy się era traktowania agentów jak prostych skryptów. Narzędzia następnej generacji będą zakładać, że agenci to autonomiczni aktorzy. Będą mieli własne tożsamości, własne budżety i własną zdolność do popełniania błędów, które wychwyci tylko rygorystyczna weryfikacja oparta na stanie systemu.
Źródła
11- 01Apple says it's tightening macOS privacy controls amid the rise of AI agentsEN
- 02Give Your AI Agent Its Own IdentityEN
- 03The Agent Said It Was Done. The Database DisagreedEN
- 04AI Risk – A user's guide (Part IV): Understanding Agent DriftEN
- 05Spawned: AIO cloud platform for humans and agentsEN
- 06Pi-based coding agent with hard budget capsEN
- 07Oversight Has a Capacity: Calibrating Agent Guards to a Subjective, Fatiguing HumanEN
- 08Against Personal Agents Theory of Everything Why the Future of Work Is a FactoryEN
- 09I stopped reviewing my agents' code. Here's what I do insteadEN
- 10Design Systems for AI AgentsEN
- 11Writing Evals for Agentic Systems as a 4 Step LoopEN
Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.
Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.
Komentarze
0- Brak komentarzy — bądź pierwszy.