# E2B 沙箱默认能连外网，得自己动手关掉

> 关闭 allowInternetAccess 即可封锁所有出站路由，一段短脚本就能向客户安全团队证明这一点。

原文: https://fdetimes.net/zh/tools/e2b-sandbox-default-internet-access/

每个 E2B 沙箱默认都有一条通往互联网的路由。这一点就写在官方文档里，而 E2B 本身恰恰是一款让代码在独立环境中运行的工具。

所以，前线部署工程师（FDE）不能向客户的安全团队保证：代码一进沙箱就哪儿也去不了。你的 Agent 写出没人读过的代码，这些代码总得有地方运行。E2B 回答的是“在哪里运行”；“代码可以去哪里”这个问题，仍然要你自己回答。

## 这个工具到底做什么？

E2B 对自己的定位是：一套开源基础设施，用于在云端隔离沙箱中运行 AI 生成的代码。主仓库采用 Apache-2.0 许可证。

举个典型场景。客户是一家物流公司，想让 Agent 做发票对账：Agent 读取文件，自己写 Python，运行，看到报错再修改。如果这个循环跑在你的笔记本或客户的某台机器上，一行写坏的代码就可能删错文件，或者碰到内部系统。

这正是该用 E2B 的时候：代码没有经过人工审阅，要反复迭代很多轮，而你也不想只为做一个概念验证就去申请客户基础设施的权限。如果代码已经审阅过，并且必须紧挨着内网里的数据运行，那就是另一类问题了，云端沙箱未必是答案。

## 动手试试：断网环境下做发票对账

**第 1 步：关闭网络。** 创建沙箱时关闭 `allowInternetAccess`；这等同于把 `denyOut` 设为 `0.0.0.0/0`，封锁所有出站路由。把这段配置保存好，它是你的第一份证据。

**第 2 步：证明网络已关闭。** 写一段短脚本，去访问一个确定可用的公网地址，然后分别在你的机器上和沙箱里运行。你的机器应当成功，沙箱应当失败；如果沙箱访问成功了，立即停下。两份日志都要保留，对照日志可以说明失败来自网络规则，而不是目标地址本身。

**第 3 步：导入数据。** 到这一步，才把客户批准的样本放进沙箱，比如一个包含 200 行匿名发票记录的 CSV 文件。在沙箱里再数一遍：必须正好是 200 行。把这个数字和客户的书面同意一起存档。

**第 4 步：运行 Agent 的代码。** 让 Agent 写的 Python 处理刚导入的文件。它可能返回一个结果文件，记录 188 张匹配的发票和 12 张不匹配的发票，合计仍是 200。保留确切的代码和输出文件，方便客户的员工核对。

这种设计有一个容易忽略的后果。断网之后，放在沙箱里的 Agent 也无法调用外部的模型 API。所以要把 Agent 循环放在外面：Agent 在你这一侧写代码，沙箱只负责运行代码。

假设真实的对账任务要跑 3 小时。在 Hobby 套餐下，沙箱最长可连续运行 1 小时；Pro 套餐是 24 小时，所以用 Pro 可以一次跑完。

用 Hobby 就必须借助暂停功能：每次暂停都会重置运行时长计时，状态则完整保留。如果为了稳妥，每到第 50 分钟就暂停一次，任务会被切成 50、50、50 和 30 分钟四段，也就是暂停三次。因此你的代码必须能在中途停下再接着跑，这一点要尽早测试。

成本方面，E2B 按每 vCPU 秒 0.000014 美元计费。2 个 vCPU 运行 3 小时，合计 21,600 vCPU 秒，仅 CPU 一项就是 0.3024 美元。

Hobby 套餐附带 100 美元一次性额度，允许 20 个沙箱并发。只算 CPU 的话，足够把这个任务跑 330 多次，所以 Hobby 适合用假数据或客户批准的样本做概念验证。

在为客户做正式工作之前，先确认你所用的套餐能否通过对方的安全评审。从技术角度看，如果任务不能中途停下，或者需要同时运行超过 20 个沙箱，就值得考虑 Pro。

## 沙箱里的代码还能去哪里？

在上面的例子中，代码并不在客户的机器上运行。但只要你不改配置，它仍然有办法把数据发到互联网上，而一张恶意发票的内容，就可能引导 Agent 直接走上这条路。

NVIDIA AI Red Team 把间接提示注入列为 Agent 工具面临的主要威胁。它把封锁出站流量视为必备的控制措施，因为这样可以阻止数据外传，也能防止反弹出远程 shell。E2B 提供三种选项，分别适合不同阶段。

| 配置 | 沙箱可以访问哪里 | 适用场景 |
|---|---|---|
| 默认 | 可以出站访问互联网 | 用假数据做演示 |
| 关闭互联网 | 完全没有出站连接 | 代码处理客户数据，且不需要对外调用 |
| 允许/拒绝规则 | 按规则执行；允许规则始终优先于拒绝规则 | 代码必须调用少数几个固定目标 |

最后一行最容易出错，因为允许规则始终优先于拒绝规则。假设一条允许规则覆盖了某合作承运商的所有地址，而一条拒绝规则针对该承运商位于 203.0.113.50 的测试服务器。代码仍然能访问 203.0.113.50。所以要把允许规则写窄，而不是指望用拒绝规则去补漏洞。

域名在 `allowOut` 中声明，因此最站得住脚的写法是：先全部封锁，再只放行确实需要的具体主机名。两个方向都要测试：放行的目标必须能访问，其他任何目标都必须失败。条件允许时，彻底关闭互联网仍然是最容易向客户安全团队说明的方案。

**要点:** 与客户的机器隔离，并不等于与互联网隔离。

NVIDIA 还建议，沙箱不应继承宿主机的凭据，只应获得明确授予的密钥。在对账场景中，代码只需读取一个文件，所以最简单的做法是不授予任何密钥。

## 需要提前告诉客户的限制

最大的限制来自代码的运行位置：沙箱在云端。把客户数据放进沙箱，意味着数据已经离开了客户的基础设施，而开源许可证本身并不能回答数据存放在哪里的问题。第一次开会就要提出来，别拖到最后一周。

第二个限制较少有人注意。已暂停的沙箱会无限期保留全部状态。这对长任务很方便，但一个被遗忘的沙箱可能在合同结束很久之后还存着客户数据，所以销毁沙箱必须写进交接流程。

第三个限制是规模：Pro 套餐最多允许 100 个沙箱并发。如果你的设计是给每个终端用户分配一个沙箱，在承诺可扩展性之前，先拿这个数字和你的并发用户数比一比。

如果有人问起虚拟化层，别急着回答。AWS 的 Firecracker 基于 Linux KVM，在 microVM 中运行工作负载；NSDI 2020 的论文介绍了它如何在 Lambda 和 Fargate 中保持强安全隔离。

但本文引用的 E2B 文档并没有确认 E2B 使用哪种虚拟化层，所以不要想当然地认为是 Firecracker，直接请 E2B 确认。

## 先学什么，简历上写什么

合理的顺序是先从网络入手，而不是先学怎么调用 E2B API。更难的部分是：看着一个 Agent，能说清它读什么、写什么、调用哪里。其次是设计能中途停下再继续、又不会把结果弄乱的任务。

阅读岗位描述时，如果看到 code execution 或 sandboxing 这类字眼，可以在面试时问面试官：Agent 的代码在哪里运行，允许调用哪里？简历上别只写“用过 E2B”。要写清楚：你在关闭出站流量的沙箱中运行 Agent 生成的代码，有测试确认代码无法对外调用，还有一套在交接时销毁沙箱的流程。

客户很少需要听你说沙箱是安全的。他们需要看到的，是代码试图外连时被拦下的那一行日志。

**本周动手试试:**

- 创建一个关闭 `allowInternetAccess` 的沙箱，运行一段尝试外连的代码，并把失败日志保存为测试证据。
- 拿到这份日志之后，再把一个假的 CSV 文件导入同一个沙箱，让它处理这个文件。
- 为客户的安全评审写一页检查清单：哪些数据可以进入沙箱，启用了哪些网络规则，最后由谁销毁沙箱。

## 信源

- [GitHub - e2b-dev/E2B](https://github.com/e2b-dev/E2B)

- [Internet access - E2B Documentation](https://docs.e2b.dev/docs/sandbox/internet-access)

- [Sandbox - E2B Documentation](https://docs.e2b.dev/docs/sandbox)

- [E2B Pricing](https://e2b.dev/pricing)

- [GitHub - firecracker-microvm/firecracker](https://github.com/firecracker-microvm/firecracker)

- [Firecracker: Lightweight Virtualization for Serverless Applications (NSDI '20)](https://www.usenix.org/conference/nsdi20/presentation/agache)

- [Practical Security Guidance for Sandboxing Agentic Workflows and Managing Execution Risk](https://developer.nvidia.com/blog/practical-security-guidance-for-sandboxing-agentic-workflows-and-managing-execution-risk)
