AegisKernel 發布 AI agent 零信任執行時，攔截耗時低於 0.016ms
AegisKernel 發布面向 AI agent 的零信任 POSIX 執行時，用確定效能力邊界取代機率性的 LLM 護欄，宣稱可 100% 攔截自主工具劫持，攔截耗時低於 0.016 毫秒。接入方式是兩行程式碼：用 AegisShield 按 strict 策略包裝工具函式，官方稱相容 LangChain、CrewAI 與 AutoGen。專案頁面還提供攻擊向量生成器，可注入 payload 並即時檢視攔截遙測與取證雜湊。
原標題：Show HN: AegisKernel – Zero-trust POSIX runtime for AI agents in <0.016ms
閱讀原文
| 評分 | 35 / 34（平均 34，門檻 76） |
|---|---|
| 狀態 | 未入選 |
相關報導
NVIDIA OpenShell 發布 0.1 穩定版，為 AI agent 提供核心級沙箱
NVIDIA 的 OpenShell 發布 0.1.x 穩定版，為批次執行的自主 AI agent 提供帶策略約束的私有執行時。它在核心層對每次檔案訪問、系統呼叫和網路連線執行策略，並在策略變更生效前用形式化驗證標出新增的高風險訪問，憑據只注入到獲批端點。預設沙箱是未安裝任何 agent 的精簡 Ubuntu 映象，需要 Docker、Podman 或宿主虛擬化，官方教程用 OpenCode 接免費 OpenRouter 模型演示按需批准權限。
AI 讓 unikernel 不再難：缺失的庫可用代理移植
AI 讓 unikernel 重新變得可行：過去要自己為應用手寫 TCP、HTTPS、儲存等庫，現在可以用 agent 把缺失的庫移植過來。文中舉例，把 Go 的 Stripe 庫移植成 OCaml，或讓 agent 用 Rust 重寫 mkfs.xfs，輸出與磁碟格式逐位元組一致，只花了幾小時。安全性上，unikernel 沒有 shell 和直譯器，攻擊面更小，常見的 drive-by RCE 會變成需要原始碼的定向攻擊；
開源安全運營平台 Argus 發布，主打 AI 自主回應與 AI 閘道器
開源安全運營平台 Argus 發布，採用 MIT 許可、免費自託管，核心是讓 AI 代理以機器速度檢測並自動阻斷攻擊。它接入 AWS、Azure、GCP、Kubernetes、Okta、Entra、CrowdStrike 等服務，提供 27 個一鍵修復，並支援在 Slack 中一鍵批准或回滾。新版新增自主回應（未人工確認則按定時器自動回滾）、統一 AI 閘道器（用公司持有的金鑰代理 OpenAI 與 Anthropic 呼叫，含模型白名單與預算）以及影子 AI 發現。
Agent 安全守衛做成可進化 Skill，攻擊成功率降至 0.078
被 NeurIPS 2026 錄用的 Defense-as-Skill 論文提出把 Agent 執行時安全守衛做成一個可進化的 Skill：名為 SkillSonar 的守衛在敏感操作執行前按任務邊界給出 Allow、Replan、Require Confirm 三級裁決，經 9 輪 MCTS 迭代，惡意攻擊成功率從 0.300 降到 0.078。配套資料集 SCOPE-R 含 206 個惡意例項與 43 個良性任務，其中能力管控與隱私資料流兩族不參與訓練；
Google 開源 Harness²，讓 Agent 在執行中改進自身腳手架
Google 開源了 Harness²，這是一套雙層遞迴框架，讓 Agent 在執行時自行修改腳手架、系統提示詞、工具鏈與技能庫。它在沒有標準答案時，用 Propose–Probe–Compose 對改動做行為對比篩選，並把除錯經驗寫進經驗庫，供後續任務檢索複用。實測 GLM-5 在 OpenCode 下執行 WorkBuddy-Bench，得分從 64.2 升到 75.7（+11.5 分），反超未改腳手架的 Gemini 3.5 Flash（72.4）；