Autofix 信任边界重构:qwen-code 中携带 PAT 步骤的 Runner 级隔离设计解析
Autofix 信任边界重构:qwen-code 中携带 PAT 步骤的 Runner 级隔离设计解析
导读
本文深度解析 Qwen Code 开源仓库中一份关键的安全架构设计——docs/design/autofix-gate-runner-isolation.md。该设计针对仓库自建的 Autofix 自动化修复流水线(.github/workflows/qwen-autofix.yml)中"同一个 Job 既执行不可信分支代码、又持有写权限凭据(CI_DEV_BOT_PAT)"的信任根缺陷,提出了"执行与发布拆分(job 级隔离)+ 可信侧重新推导 + 一次性注册 + cgroup 血缘清理 + 冗余机制删除"五步方案。读完本文,你将掌握:为何步骤内加固在这类威胁模型下必然失败、如何用 Actions artifact 替代 runner 共享通道传递信任边界、以及发布侧如何在不执行分支代码的前提下对补丁做防伪判定。
问题陈述:信任根在共享主机上被同一 uid 击穿
review-address 与 issue-autofix 两个 job 承载着 Qwen Code 仓库的自动化修复闭环:issue 定位修复、PR 评审反馈处理、验证、推送。问题的核心在于,它们在同一个 job、同一个 OS 用户、同一个常驻自建池上同时做了两件互斥的事:
- 执行不可信的分支代码——agent、构建、测试、仓库脚本、git hooks;
- 持有
CI_DEV_BOT_PAT——该令牌拥有推送与评论权限。
该自建池约 27 个 runner 注册共享同一个 HOME。设计文档给出了 review-address 在单个 job 内的步骤序列(设计文档):
| 步骤 | 执行分支代码 | 持有 PAT |
|---|---|---|
Triage and address(agent) |
是 | 否 |
Verification gate(构建/测试) |
是 | 否 |
Repair … / Finalize … |
部分 | 否 |
Push and report |
否 | 是 |
后续步骤所信任的一切——$GITHUB_ENV、$GITHUB_OUTPUT、$RUNNER_TEMP、$HOME、工作区 .git、存活进程——都可被先前步骤的代码写入,也可被同一 uid 下"共存的幸存进程"(co-resident survivor)写入。设计文档特别枚举了"在步骤第一行执行之前"就能被触发的注入向量(issue #9089):BASH_ENV、BASH_FUNC_*、LD_PRELOAD/LD_AUDIT,以及 runner 提供的、任何步骤内 unset 都无法触及的共享通道。
这一威胁模型在仓库源码中有直接印证:Push and report 的实际实现 autofix-push-and-report.sh 中,PAT 步骤需要手工做大量"自我消毒"——export GH_HOST=github.com、unset GH_ENTERPRISE_TOKEN GH_TOKEN、把 GH_CONFIG_DIR 指向新建的临时空目录(防止共享 ~/.config/gh 中被植入 http_unix_socket 传输重定向)、unset LD_PRELOAD LD_AUDIT …、export GIT_CONFIG_COUNT=0、GIT_CONFIG_SYSTEM=/dev/null、用一次性 gitconfig 覆盖全局配置等。这些防御都是"在一个已被攻陷的环境里保护一个秘密"——而设计文档的结论是:这从根上做不到。
前车之鉴:PR #9214 的步骤内加固为何失败
设计文档用大量篇幅记录了此前 PR #9214"步骤内加固"路线的实测结果,其中两条结论对后续方案具有决定性意义:
- 该路线在这个规模上自我挫败。 11 轮评审把 diff 从 329 行推到 2700 行,每轮 Critical 数量为 8 → 9 → 15 → 19 → 29;第 10、11 轮没有任何代码改动,第 11 轮仍在逐字节相同的文件上产生 14 个新 Critical,其中 6 条的形态是"这个 diff 新加的地方,缺少这个 diff 在别处安装的纪律"。每一层新增的守卫,都是下一轮的新的攻击面。(发现清单见 issue #9524)
- 把执行方装进容器无济于事,因为信任根在容器之外(评审结论 R11-8)。整条 digest 链的根是
steps.stage.outputs.*;而 runner 在步骤结束时以 last-wins 方式解析位于可写$RUNNER_TEMP下的$GITHUB_OUTPUT,且暂存步骤之前没有任何清扫。同一 uid 的进程可以同时替换磁盘字节并追加伪造的 digest 行,使下游比较的两侧("诚实值"与"声明值")都被攻击者操控——把消费方包进容器改变不了这一点。
此外该 wrapper 合入后根本无法运行(R9-1:它 digest 验证一份暂存循环从未创建的自身副本;R9-2:helper digest 依赖路径且对两组不同路径集计算),而 CI 保持全绿只是因为 pre-merge 的 -z 跳过路径把它挡住了——这正是"设计膨胀到测试覆盖不了"的症状。
设计原则:边界从"步骤内部"上移到"job 之间"
执行过分支代码的 job 绝不持有 PAT,也绝不能影响持有 PAT 的 job 的输入。
这是全文的核心准则。边界的移动带来一个关键变化:两个 job 之间的通道被收窄为唯一一个产物(Actions artifact),且消费方(发布侧)对它的结论自行重新推导,而不是信任生产者。
$GITHUB_ENV、$GITHUB_OUTPUT、$HOME、$RUNNER_TEMP 和存活进程都不跨 job 边界——execute job 里被伪造的 $GITHUB_OUTPUT 一行,到不了 publish job 读取的任何地方。这一点与现状形成鲜明对比:当前 qwen-autofix.yml 中,PAT 步骤与分支代码共享同一 job 的 env,Push and report 步骤不得不防御性地重放 env 剥离(见 autofix-push-and-report.sh 的 unset 清单),而设计的目标是让这整类防御失去存在的必要。
方案 A:把 review-address 拆成 execute 与 publish 两个 job
execute——承载一切触碰分支代码的工作:prepare、agent、gate、repair、artifacts。不持有 CI_DEV_BOT_PAT,不持有写权限的 GITHUB_TOKEN,不推送,不评论 PR。它只产出两个 job artifact:
fix.patch——基于记录的基线 SHA 的git format-patch/git diff输出;report.md+ 纯文本verdict.txt(仅供参考:gate 得出了什么结论)。
publish——needs: execute,绝不执行分支代码:无 npm ci、无构建、无测试、无仓库脚本、无 git hook。它全新检出基线分支,下载 artifact,自行重新推导判定(见方案 B),应用补丁,用 PAT 推送。
hook 安全在 publish 中是显式约定而非偶然结果:应用补丁必须用 git -c core.hooksPath=/dev/null apply --index,绝不用带敌意 .git 的 git am,也绝不把 PR head 检出进 publish job 的工作区。这在当前实现中有直接对应——autofix-push-and-report.sh 在推送前同样执行 git config core.hooksPath /dev/null,并断言 HEAD 等于 gate 验证过的 VERIFIED_HEAD 才允许推送;设计将其从"防御性补丁"升级为"结构性保证"。
方案 B:publish 自行重新推导,绝不信任 verdict
这是整个设计中最关键、也最容易实现走样的部分。在该威胁模型下,execute 被假定为已失陷——它按设计就是要运行分支代码。因此:
- 对
execute产生的 verdict 做任何签名都没有意义——你签的是一个失陷生产者的断言; publish唯一能信任的输入是补丁文本本身,所有判定都从补丁文本在可信侧自行计算。
publish 需要做的六项无需执行分支代码的检查:
- 补丁能干净应用到记录的基线 SHA;
- 所有被触碰的路径都在 PR 声明的足迹白名单内;
.github/workflows/**、.github/actions/**、锁文件、发布清单——默认拒绝,除非该次运行被显式授权;- 净增行数在轮次的增长预算内(把已有的刹车搬到可信侧);
- 提交信息符合 Conventional Commit 约定;
- head SHA 仍匹配 agent 运行前记录的租约(
--force-with-lease)。
铁律:以上任何一项都不得回读 execute job 写出的任何值——它报告的行数、它声明的足迹清单、它回显的基线 SHA,统统不行。设计文档特别警告:这一类检查正是本流水线反复未能做到防伪的地方(R11-8 说的就是它),它在这里之所以成立,只是因为输入是 publish 自己解析的一个文件;若实现图省事去读"gate 已经算好的数字",整个问题就原样回来了。
凡是需要执行分支才能验证的东西(构建、typecheck、单元测试)都留在 execute,且降级为仅供参考(advisory)。设计文档要求把这个语义弱化如实写进状态评论——诚实的对比基准不是"原本可用的保证":现状的 verdict 本就可伪造(R11-8),而在 #9214 分支上它根本没被产生过(R9-1/R9-2)。
可选的纵深防御:用 actions/attest-build-provenance 对 artifact 做构建出处绑定,证明"是哪个 job 生产的"。但它不能让失陷生产者的输出变得可信,因此只是加法,不能替代方案 B。
方案 C:execute 使用一次性注册
幸存者/共存者(survivor/co-resident)威胁之所以存在,是因为注册是长生命周期且共享 HOME。对应措施:
- 首选:给池中的 autofix runner 注册加
--ephemeral参数——每个 job 一次注册、全新HOME; - 退而求其次:在池不可变时,让
execute跑在 job 级container:里,配 per-jobHOME。
设计文档明确:容器只是缓解(并发 leg 仍共享宿主内核和 docker socket),一次性注册才是收口。它属于基础设施改动,因此被排在最末——因为方案 A + B 已经把 PAT 从共享主机上移除,那才是最重要的部分。
方案 D:按血缘杀进程树,而不是按 env 标记
现状通过 AUTOFIX_AGENT_TREE 环境变量标记来清扫 agent 的后代进程——这正是 R8-8、R9-3、R11-10 三类发现的来源。替代方案:
- 用
systemd-run --scope或cgcreate/cgclassify为每次 agent 调用创建一个 cgroup scope,然后直接 kill 该 cgroup; - cgroup 归属无法由环境变量伪造;
- 跨 leg 误杀不可能——每个 scope 都是按调用隔离的;
- 自杀不可能——gate 步骤本身不是它要杀的 scope 的成员;
- 在 cgroup 委派不可用处,
setsid+ 进程组 kill 是比标记匹配严格更优的回退。
方案 E:删除 A–D 让其失去意义的机制
设计文档反复强调:本项工作的目的是更小的信任面,而不是再加一层。一旦 PAT 离开共享主机、判定移到可信侧重新推导,步骤内的枚举式机制——env 固定块(pin blocks)、暂存脚本 digest 链、指纹集、标记清扫以及钉住它们的契约测试——守护的是一个已不再承载秘密的边界。
因此"删除"属于本次改动的一部分,而不是后续跟进项。设计文档点明了一个反直觉的经验:"以防万一"留下的守卫正是 #9214 里不断再生发现的根源——每一层保留的防御都是下一轮评审的攻击面。当前 run-autofix-review-verification.sh 中大量"剥离 runner 注入通道"的代码(unset GIT_CONFIG_*、env -u GITHUB_OUTPUT …、锁定 _runner_file_commands 文件、last-writer 重写 GITHUB_OUTPUT 等),以及 autofix-push-and-report.sh 的整套 git 消毒前奏,都是方案 E 针对的删除对象——当然,删除要按簇分 PR、逐个可评审地推进。
备选方案对比
| 方案 | 结论 |
|---|---|
| 步骤内加固(#9214) | 否决——实测不收敛,且信任根在步骤之外(R11-8) |
在 execute 签名 verdict、在 publish 验证 |
单独否决——签的是失陷方的断言,仅可作为 B 的可选 attestation |
| 整个 job 迁到 GitHub 托管 runner | 能彻底关闭该类问题,但损失池的缓存/网络就近性,且消耗分钟数 |
仅把 publish 迁到 GitHub 托管 |
可取——该 job 很短、不需要仓库缓存、不执行分支代码,放在 ubuntu-latest 上等于把共享主机从 PAT 路径上彻底移除;列为推进步骤 2 |
推进顺序与测试计划
分步落地(Rollout)
- 带 kill switch(
AUTOFIX_SPLIT_PUBLISH_DISABLED)落地 A + B,publish仍留在自建池; - 把
publish迁到ubuntu-latest; - 用方案 D 取代标记清扫;
- 为
execute启用一次性注册(方案 C,基础设施工单); - 按簇分 PR 删除 1–4 使其冗余的机制(方案 E),每簇删除单独可评审。
测试计划
- 契约测试(静态、做变异测试):
publishjob 的步骤列表中不得出现npm、run: .*scripts/、检出 PR head,或读取fix.patch以外的产物内容。这一测试风格在当前仓库已有先例——scripts/tests/qwen-autofix-workflow.test.js 就是通过正则切片review-address、issue-autofix等 job 的 YAML 文本并断言其步骤内容与顺序(例如 PAT 步骤前必须存在 Sanitize 步骤、env 通道剥离、契约脚本钉住多个副本的一致性)。 - 负向对照:触碰
.github/workflows/**的补丁必须被足迹检查拒绝;超出增长预算的补丁必须被拒绝。 - 探针——伪造输出:
execute期间由后台进程向$GITHUB_OUTPUT追加outcome=fixed,断言publish的判定不变。这个探针直接对应现状中 run-autofix-review-verification.sh 用"last-writer 重写"对抗伪造 append 的机制——只是在新架构下,伪造目标本身已经从publish的决策路径上消失了。 - 探针——敌意补丁:构造包含
.git/hooks/pre-applypatch与core.hooksPath变更的补丁,断言publish中没有任何 hook 被执行(对应方案 A 的git -c core.hooksPath=/dev/null apply --index约定)。 - 探针——血缘清理(D):启动一个
exec并伪造AUTOFIX_AGENT_TREE的孙进程,断言 cgroup 清杀命中真实进程树、放过伪造者,且 gate 步骤在自身清扫中存活。
风险与未决问题
- "已验证"语义弱化为"确定性检查 + 仅供参考的构建/测试"——必须体现在 PR 状态评论中,不能埋没;
- 产物交接使每轮增加一次上传/下载和一次额外检出;
- 组织是否允许 ECS 池上的
--ephemeral注册(未决); - 当前出网/IP 策略下,携带 PAT 的
publishjob 能否放在 GitHub 托管 runner 上(未决); issue-autofix具有相同形态,但其发布侧是新建分支并开 PR而非推送既有 head,判定项不同,本文未涵盖其发布侧设计。排期约束:该后续项必须在推进步骤 5 删除issue-autofix仍依赖的机制之前落地——删除按簇分 PR 的意义正在于此,可以逐簇核对依赖关系。
总结:从"加固一个已被攻陷的环境"到"移除秘密与代码的共处"
这份设计的核心思想可以用一句话概括:不要把秘密放在运行不可信代码的地方,也不要让运行过不可信代码的地方影响秘密所在之处的输入。 在 qwen-code 的落地语境中,它通过 job 拆分(A)、可信侧补丁重推导(B)、一次性注册(C)、cgroup 血缘清理(D)与冗余机制删除(E)五步,把 PAT 从共享主机上移除、把判定输入收窄为一个由发布侧自行解析的文件,并诚实地承认"已验证"的含义因此发生了变化。对于任何在自建 runner 上运行 agent 类自动化流水线的项目,这份文档都是一份可复用的威胁建模与边界设计范本。
延伸阅读:设计文档原文(含中文说明)、工作流定义、评审验证 gate 脚本、PAT 推送与报告脚本、工作流契约测试。