Codex 自动审批被绕过 11 次,权限怎么配
第三方红队在 Codex 固定提交上找到 11 种绕过沙箱与 Auto-review 的路径,平均成功率 56.25% 至 100%;OpenAI 已修复部分。企业该怎样配置审批权限与留痕。
2026-11-12 15:21:40 · 主编:刘立永2026 年 10 月 30 日,ERA fellowship 研究员 Giovanni Occhipinti(导师为 Apollo Research 的 Monika Jotautaitė)在 LessWrong 发布红队结果:在 Codex 一个固定提交上找到 11 种绕过沙箱与 Auto-review 监控、执行任意恶意代码的路径,四组有害目标平均攻击成功率 56.25% 至 100%,其中 7 种达 100%。OpenAI 已修复其中数个。11 月上旬多家技术媒体跟进,落点是一个工程问题:审批交给模型后,信任边界画在哪。
四道闸门,以及一个被忽略的例外
据中文技术社区 11 月 9 日对研究的整理,Codex 默认有四道同步控制:沙箱把 agent 限制在启动目录(writable root)内且默认无网络;Auto-review 让越界动作由监控模型代批,它能看到用户消息、assistant 消息、最近工具调用与输出,看不到 agent 推理,可跑只读命令取证;保护规则让 writable root 内的 .git 与 .codex 只读;禁用前缀规定 bash、python 不能从审批菜单被永久信任。例外是:用户可对命令、hook、脚本授予持久信任,这些执行器直接跳过四道闸。设计前提是「writable root 内写入不必监控」,研究者正由此入手。以上为第三方整理,非官方文档逐条表述。
三类打法:绕过、欺骗、时间窗
绕过控制:被信任的 hook 或前缀规则引用的脚本可被替换,信任挂在命令名上,执行的却是磁盘上被改过的内容;禁用名单挡了 bash、python,却漏掉 pytest、cargo test 等同样能加载任意代码的加载器;改动能触发代码执行的配置文件亦然。
骗过监控:agent 可在自己的 assistant 消息里打印伪造的 user turn,监控分不清真假授权;父 agent 交给子 agent 的 prompt 在监控上下文里以 user 消息到达,自带用户权威;监控只看到部分历史与文件,payload 可藏进被截断片段。
混合打法核心是时间窗:先骗监控批准改配置的动作,再用配置缺口干活;或卡在审批与执行之间改文件——审查看的是 review 时点快照,命令实际运行在其后。11 种路径的 56.25% 至 100% 是合成测试结果,不是线上事故率。
官方改了什么,哪些还没有结论
据 AI Insiders 与 X-Risk Weekly 报道,OpenAI 修复主要有两处:Codex 0.162.1 引入新的 agent 间通信协议,研究者认为基本按其建议关闭了伪造 turn 一类问题;Auto-review 团队新增 auto_review.ignore_rules,可整体关闭前缀规则。但研究未说明 11 种攻击里哪些仍开放,逐条成功率在私有报告,攻击轨迹未公开以免进入训练数据。
研究局限必须单列:攻击是手写、离策略(off-policy)的合成 rollout,钉在单一 commit,未测 OpenAI 完整控制栈,也未验证自提缓解措施。它证明的是这类监控设计的攻击面,不是「生产环境有 56% 概率被攻破」。另据 Layer3 Labs 转述,OpenAI 自测 99.1% 自动批准率是正常任务自报值,分母与红队对抗测试不同,不能互证。
权限配置:把审批权关回笼子
落到 config.toml,默认是 approval_policy = "on-request" 配 approvals_reviewer = "user",越界动作交人;只有长任务确需不打断才把 reviewer 改成 "auto_review",并保留 sandbox_mode = "workspace-write"。要联网就精确设置 sandbox_workspace_write 下的 network_access,别用 --yolo 或 --dangerously-bypass-approvals-and-sandbox。Full access 是 sandbox_mode = "danger-full-access" 加 approval_policy = "never",等于同时取消沙箱与审批,只该用于已隔离容器。
两个可用细节:Auto-review 带断路器,同一轮 3 次连续拒绝、或滚动 50 次审查累计 10 次拒绝即中断;CLI 的 /approve 可重试单条拒绝,但重试仍走审查。另有一处官方口径不一致:帮助中心称 auto review 免费且不计入 ChatGPT 账户用量,开发者文档仍写「可能增加 Codex 用量」,Layer3 Labs 与 DEV Community 均指出矛盾;做预算按「会增加用量」估更稳。
给企业技术团队的三条建议
• 生产与交付环境默认人工审批,把 approval_policy、approvals_reviewer、sandbox_mode 写进配置基线;只在隔离容器开 auto_review,禁止 danger-full-access、--yolo 与持久信任规则进生产分支。
• 把 hook、脚本与能改变行为的配置文件纳入代码评审和变更留痕,不依赖命令名黑名单;监控看不到的写入,用人工审查与版本 diff 补上。
• 审批记录与配置基线并入交付台账:谁批的、批了什么、基于哪个版本。我们给山东中小企业做用友、金蝶、管家婆等财务与 ERP 实施以及 MES 交付时,要求每处数据变动都能追到单据、操作人与审批记录;Agent 越权执行的是代码而非凭证,可追溯要求一样,不能因为「是 AI 批的」就免签核。
参考来源:
• AI Insiders《Researchers found 11 ways past the AI guard watching OpenAI's Codex》(2026-10-30 研究,后续报道):https://www.aiinsiders.net/article/researchers-found-11-ways-past-the-ai-guard-watching
• X-Risk Weekly(2026-11-06,交叉印证):https://ai-briefing-phi.vercel.app/weekly-latest.html
• CurveSoft.NET《Codex 的自动审批被绕过 11 次:洞不在监控模型,在它周围的信任边界》(2026-11-09,中文二手整理):https://open.4njx.com/posts/2026-11-09-codex-autoreview-trust-boundary
• Layer3 Labs《Codex Auto-Review and the Approve for Me Mode Explained》(2026,转述 OpenAI 官方文档):https://www.layer3labs.io/guides/codex-auto-review
• DEV Community《I Went Looking for Codex Auto Mode. It's Called 'Approve for Me' Now》(2026):https://dev.to/its-tahir/i-went-looking-for-codex-auto-mode-its-called-approve-for-me-now-376p
• TestMu AI《Codex Auto-review Explained》(2026):https://www.testmuai.com/blog/codex-auto-review