跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

苹果收紧 macOS 全盘访问权限,遏制 AI 代理数据风险

苹果于 10 月 3 日宣布收紧 macOS 的全盘访问权限。此举意在阻止 AI 代理在用户未明确同意的情况下读取私人数据。

人工智能与模型新闻林晓雯发布: 2026年10月3日5 分钟阅读资料来源 12
苹果收紧 macOS 全盘访问权限,遏制 AI 代理数据风险

苹果在 10 月 3 日修改了规则。这次更新限制了 AI 代理访问私人数据的方式。

时间点并非巧合。两周前,科技专栏作家 Jason Aten 报告称,Meta 的 Muse 代理给他发了一条通知,其中引用了一个私密的 Apple Messages 对话。Aten 表示,他从未授权该代理读取自己的消息。据 Ars Technica 报道,这一事件引发了更广泛的讨论:能够访问日历和邮件的 AI 助手,是否像电动工具一样,一旦被滥用就会造成真正的伤害。社区反应很快。许多开发者质疑,现有的权限模型对自主软件是否够用。这类软件能够读取、写入并执行命令,而不必每一个动作都有人介入。这起事件成了苹果突然调整政策的导火索。几天之内,一个小众的安全议题变成了主流平台问题。

Meta 首席技术官 David Singleton 对此提出反驳。他表示:“Muse Mac 应用中的 Messages 集成是选择加入的。”

Singleton 辩称,Muse 需要用户做出两个具体操作才能访问消息:用户必须授予全盘访问权限,并启用 Messages 连接器。但 macOS 安全专家 Patrick Wardle 对这一辩解提出质疑。他指出,从技术上讲,全盘访问权限会让任何非 root 文件都可被读取,包括浏览历史和聊天记录。苹果的新公告与 Singleton 暗示的“该权限严格限定于特定集成”相矛盾。Wardle 的观点点出了当前 macOS 安全模型的一个根本缺陷。一项宽泛的权限就能访问磁盘上几乎所有内容。这种缺乏细粒度控制的情况,为任何能获得全盘访问权限的软件制造了巨大的攻击面。无论其用途是什么,也无论用户在授权时的具体意图如何。

苹果表示,一些开发者使用全盘访问权限的方式让用户面临风险。苹果称,他们在用户并不完全知情的情况下暴露了文件、邮件和浏览历史。苹果强调,AI 代理正变得越来越强大、越来越自主。因此,这种级别的访问所带来的风险将大幅上升。苹果在声明中没有点名 Meta 或 Muse。但公告的时机紧跟在社交媒体上的轩然大波之后,暗示这与该事件直接相关。

工具链从记忆转向治理

开发者正在构建新的层级来管理代理行为。重心正从原始记忆转向文档。

Kevin Liao 在 10 月 3 日撰文认为,代理不需要记忆插件。这类插件会从向量数据库中注入相似的片段。他提出,代理需要的是结构化文档,比如 wiki,用来理解项目背景和约束条件。这种做法避免了从孤立片段中检索错误信息的“抽奖”。Liao 的论点挑战了当前 AI 开发中的主流范式。该范式严重依赖从大型数据集中抽取片段的检索增强生成系统。Liao 主张一种更确定性的做法,基于经过整理的结构化知识库。他认为,开发者可以借此大幅减少幻觉,提高代理行动的可靠性。在背景信息至关重要的复杂多步工作流中,这一点尤其重要。

安全研究人员也在开发监控代理行为的工具。开发者 Fred 发布了 agent-blackbox,这是一款面向 Claude Code 等编程代理的防篡改飞行记录器。该工具把每一次提示和工具调用写入一个只可追加、经哈希链和签名保护的账本。它内置策略引擎,一旦检测到私人数据、不可信内容和对外调用这“致命三件套”,就会中止调用。对于希望在生产环境中部署 AI 代理的组织来说,这类工具不可或缺。它能保护组织的知识产权和敏感数据,避免潜在的泄露风险。只可追加的账本确保一项操作一旦被记录,就无法被悄悄改动或删除。代理本身和任何其他进程都改不了它。

基于 eBPF 的 AgentSight 项目为 AI 代理提供系统级性能分析。它把提示与它们在机器上的真实影响联系起来,比如文件改动和网络活动。据该项目的 GitHub 仓库介绍,它能在不依赖 SDK 或代理的情况下配合闭源命令行工具工作。它提供了一种审计途径,看代理实际做了什么,而不只是它声称做了什么。

企业基础设施随之调整

云服务商正在整合针对代理的专门控制。亚马逊云科技更新了其 Bedrock AgentCore,用于管理最终用户的 OAuth 授权。新的 Consent 门户让用户通过企业身份提供商完成认证,并向代理授予具体权限。这样可确保令牌与授权用户安全绑定。它回应了企业环境中会话绑定的需求,在那里代理代表员工行事。这一实现反映出企业软件的一个更广泛趋势。随着系统中非人类行为者的数量增长,身份与访问管理正变得越来越复杂。

Epoch AI 在 10 月 3 日发布了一份报告。报告估计,到 2027 年出货的 AI 芯片可支撑数千万到数亿个并发的前沿模型代理。报告测算,这些代理每周可提供相当于 140 到 72000万 名全职员工的工作时长。不过报告也指出,需求必须快速增长,才能证明这笔投资合理。如果 20% 的算力被利用,潜在的 API 支出每年可达 2.6 到 53000亿 美元。

代理工具的扩张正迅速从实验性代码走向企业基础设施。随着代理获得更多自主性,重心也在转移。目标不再只是让它们更聪明,而是让它们可审计、受约束并且安全。macOS 权限的近期调整以及可观测性工具的兴起表明,行业正在为一种未来做准备。在那个未来里,代理被视为数字系统中独立且可问责的行为者。

评论 0

资料来源

12
  1. 01Apple changes full-disk access permissions to curb abuse from AI agentsEN
  2. 02Agents don't need memory, they need documentationEN
  3. 03Agent-blackbox – a tamper-evident flight recorder for Claude CodeEN
  4. 04AgentSight: System-wide AI agent profiling and monitoring with eBPFEN
  5. 05Manage end-user OAuth consent for AI agents with Amazon Bedrock AgentCoreEN
  6. 06How many AI agents could run on the AI chips shipped through 2027?EN
  7. 07The Shoemaker's Elves: my agents draft the work before I askEN
  8. 08Television: GUI for your personal agentEN
  9. 09AI Agents Need a System of Record, Not Just a DashboardEN
  10. 10What Kubernetes' "monolith" lesson means for AI agent harnessesEN
  11. 11Leashterm – a new programming language for agentsEN
  12. 12How fast can a computer-use agent finish the job?EN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

林晓雯

林晓雯

人工智能、模型与技术

林晓雯负责FLASH24的人工智能、模型与技术方向,主要写科技、人工智能与模型、媒体与互联网三个领域。她习惯从论文预印本、开源代码库和厂商技术文档入手,先核对训练数据来源和评测口径,再决定是否落笔。遇到模型跑分,她会自己复现一遍小规模测试,并对照独立第三方榜单,确认数字没有注水。她常联系一线工程师和产品经理,也盯着各大会议截稿日,把不同版本的技术报告放在一起比。业余时间她玩3D打印、折腾老电脑,还关心模型从网络垃圾里学到的偏见问题,这让她对数据清洗格外敏感。她有一条原则:拿不到原始数据的性能宣称,不写。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。