AI容器安全不是配个NetworkPolicy就完事了——镜像被投毒、容器被逃逸、配置有缺陷任何一个短板都能让整个集群沦陷。目录一、你的AI容器真的安全吗二、第一道防线镜像签名与验证——让假镜像无处遁形2.1 为什么需要镜像签名2.2 主流工具对比Cosign vs Notation2.3 实战Cosign Keyless 签名 验签2.4 实战Notation 企业CA签名2.5 准入控制在K8s层面强制验签三、第二道防线镜像扫描——在出事之前把漏洞揪出来3.1 镜像扫描解决什么问题3.2 主流工具Trivy vs Grype3.3 实战Trivy全量扫描 CI集成3.4 准入控制Trivy Operator 在K8s层自动扫描四、第三道防线RuntimeClass安全沙箱——用硬件隔离兜底4.1 为什么还需要沙箱4.2 RuntimeClass 安全沙箱方案4.3 实战配置Kata Containers RuntimeClass4.4 gVisor配置参考五、第四道防线PodSecurity标准——从凭感觉到按标准5.1 PodSecurity的进化史5.2 实战Enforce Warn Audit 三模式部署5.3 AI容器的Restricted配置示例六、分层防御总览四道防线如何协同工作每一层的职责攻击路径与防御矩阵七、生产级完整YAML清单八、落地避坑指南8.1 不要一上来就全量推行8.2 关于性能损耗8.3 别忘了运行时监控九、总结一、你的AI容器真的安全吗先问一个扎心的问题你公司用的AI推理镜像是谁打的从哪个仓库拉的打完有没有被人改过如果你回答不上来那恭喜你——你已经踩进了容器安全最致命的坑。2025年的AI工程化浪潮里几乎每家公司都在抢着上Kubernetes跑AI负载。模型推理用Pod拉起训练用Job分布数据预处理用CronJob定时执行——看起来很美好对吧但现实是AI容器比普通业务容器更容易成为攻击目标⚠️镜像投毒AI镜像动辄几个GB到十几GB基础镜像里塞个挖矿脚本、改个Python依赖很难被发现。2024年就爆出过PyPI上的torch包被投毒事件那些镜像如果被CI/CD流水线拉下来直接推生产……⚠️逃逸攻击AI推理需要GPU直通、需要挂载大容量存储权限难免放宽。一旦有攻击者通过模型文件注入触发容器逃逸宿主机的GPU显存数据、模型权重文件全暴露。⚠️配置缺陷大部分AI团队focus在模型精度上写出来的K8s YAML就俩字——奔放。privileged: true、hostNetwork、hostPath——比你家大门还敞亮。我见过一个真实的案例某AI公司的推理Pod直接用root跑挂载了宿主机的docker.sock结果一个模型输入层面的RCE就让攻击者拿到整个集群的控制权——代价是全公司的模型参数被勒索损失七位数。所以容器安全从来不是配一个NetworkPolicy就完事那么简单。今天这篇咱们就聊聊AI容器安全的四道纵深防线——从镜像供应链到运行时隔离从Pod准入到策略管控每一道都是一层过滤网层层递进、环环相扣。二、第一道防线镜像签名与验证——让假镜像无处遁形2.1 为什么需要镜像签名很多人觉得“镜像我都是从官方仓库拉的能有什么问题”问得好那我再问一句你能保证从拉取到部署的整个链条上没人动过这个镜像吗Docker Hub上的镜像是没有天然防篡改能力的。你拉下来的镜像是一个tar包推上去的中间经过的镜像仓库是否可信镜像Tag是否被覆盖过CI/CD流水线的构建机如果被攻破推送的镜像是否被篡改镜像签名的本质用私钥对镜像的digest签名任何人只要有公钥就能验证镜像的完整性和来源可靠性。谁签的名、镜像内容变没变、什么时间签的——三个问题一次性回答。2.2 主流工具对比Cosign vs Notation目前镜像签名领域两个主流工具二选一维度CosignNotation缔造者Sigstore 社区CNCF Notary 项目签名载体OCI 镜像仓库的 Tag 或 ReferrersOCI Artifact / ReferrersKey管理支持 KeylessOIDC 免密钥 传统 Key传统 Key 证书链模式认证集成原生支持 GitHub/GitLab OIDC支持 x509 证书策略引擎Cosign Policy 内置Ratify 独立组件企业友好度⭐⭐⭐ Keyless 模式降低门槛⭐⭐⭐⭐ 证书链适合企业CA体系社区活跃度非常高Sigstore 社区主力较高CNCF 赛道选型建议如果你在GitHub/GitLab上的CI/CD用的是OIDC认证强烈建议走Cosign的Keyless模式。这东西是真的省心——连密钥管理都省了OIDC令牌本身就是你的身份凭证。如果贵司有严格的PKI体系比如基于企业CA签发的证书Notation会更适合。2.3 实战Cosign Keyless 签名 验签先说Keyless模式——这是Cosign最大的亮点# 安装 Cosign # Mac brew install cosign # Linux # 这里走 VERSION 变量指定版本 VERSION$(curl -s https://api.github.com/repos/sigstore/cosign/releases/latest | jq -r .tag_name | sed s/^v//) curl -LO https://github.com/sigstore/cosign/releases/download/v${VERSION}/cosign_${VERSION}_amd64.deb sudo dpkg -i cosign_${VERSION}_amd64.deb # 构建并推送镜像 docker build -t registry.example.com/ai-inference:v1 . docker push registry.example.com/ai-inference:v1 # 签名Keyless模式不用管理任何密钥 cosign sign registry.example.com/ai-inference:v1 # 触发浏览器OIDC认证或通过环境变量指配CI的OIDC token # COSIGN_EXPERIMENTAL1 cosign sign ... # 完成后签名信息作为OCI Tag或Referrers存储在镜像仓库中验证签名# 验证签名 cosign verify \ --certificate-identity-regexp https://github.com/myorg/.* \ --certificate-oidc-issuer-regexp https://token.actions.githubusercontent.com \ registry.example.com/ai-inference:v1⚠️关键配置点--certificate-identity-regexp和--certificate-oidc-issuer-regexp定义了谁的签名我认。这里必须精确匹配你组织的CI系统否则任何人都能用Cosign签你的镜像——那就失去意义了。2.4 实战Notation 企业CA签名# 安装 Notation # Mac brew install notation # Linux curl -LO https://github.com/notaryproject/notation/releases/latest/download/notation_1.1.0_linux_amd64.tar.gz tar -xzf notation_*.tar.gz sudo mv notation /usr/local/bin/ # 导入企业CA签发的证书 notation cert add --type ca --file ca.pem --name my-enterprise-ca notation cert add --type signing --file signer-cert.pem --key signer-key.pem \ --name ai-team-key # 签名 notation sign registry.example.com/ai-inference:v1 \ --signature-format cose \ --key ai-team-key # 本地验证 notation verify registry.example.com/ai-inference:v12.5 准入控制在K8s层面强制验签光签名没有任何意义只有在部署时强制验证才有用。用RatifyNotation的策略执行引擎或Kyverno做准入控制核心逻辑在K8s的Admission Webhook里拦截所有Pod创建请求检查镜像是否有有效签名。没有签名 → 直接拒绝创建。# Kyverno 策略强制所有Pod必须包含已验证签名的镜像 apiVersion: kyverno.io/v1 kind: ClusterPolicy metadata: name: require-image-signature spec: validationFailureAction: Enforce background: false rules: - name: check-cosign-signature match: any: - resources: kinds: - Pod verifyImages: - imageReferences: - registry.example.com/* mutateDigest: true verifyDigest: true required: true attestors: - count: 1 entries: - keys: publicKeys: |- -----BEGIN PUBLIC KEY----- MFkwEwYHKoZIzj0CAQYIKoZIzj0DAQcDQgAE... -----END PUBLIC KEY-----为什么不推荐用 Admission Controller 手动写Webhook因为Kyverno/ Ratify/ OPA Gatekeeper 已经封装了镜像签名验证的完整逻辑没必要再重复造轮子。而且它们支持热更新策略规则不需要重启APIServer。三、第二道防线镜像扫描——在出事之前把漏洞揪出来3.1 镜像扫描解决什么问题镜像签名解决的是这个镜像有没有被篡改而镜像扫描解决的是这个镜像本身有没有漏洞。⚠️这是两道完全不同的防线。签名保证完整性扫描保证安全性。少了任何一个你的供应链安全都有窟窿。3.2 主流工具Trivy vs Grype维度TrivyGrype开发商Aqua SecurityAnchore漏洞库自家 NVD RedHat Alpine 等14个源自家 NVD RedHat Ubuntu 等扫描速度⭐⭐⭐⭐ 非常快⭐⭐⭐ 较快SBOM支持CycloneDX SPDXCycloneDX SPDX策略引擎内置 Cosign 配置策略需要 Syft 配合容器镜像层缓存✅❌当前不支持K8s 集成Trivy OperatorCRD 准入社区方案我的推荐日常开发用Trivy就够了。理由很直接——Trivy Operator可以做成CRD扫描K8s集群中所有Pod的镜像跟K8s生态绑定最紧密不用额外运维一套扫描系统。3.3 实战Trivy全量扫描 CI集成# 安装 Trivy # Mac brew install trivy # Linux curl -sfL https://raw.githubusercontent.com/aquasecurity/trivy/main/contrib/install.sh | sh # 扫描单个镜像 trivy image registry.example.com/ai-inference:v1 # 扫描并输出JSON供后续处理 trivy image --format json --output scan-result.json \ registry.example.com/ai-inference:v1 # 只扫描 HIGH / CRITICAL 级别建议CI用这种模式 trivy image --severity HIGH,CRITICAL \ --exit-code 1 \ --ignore-unfixed \ registry.example.com/ai-inference:v1⚠️必配参数说明--exit-code 1发现漏洞时让CI失败阻止有问题的镜像进入仓库--ignore-unfixed忽略没有修复方案的漏洞很多OS包漏洞确实没有补丁扫出来也没用白白阻塞流水线--severity HIGH,CRITICAL只关心中高风险LOW/MEDIUM级别的漏洞阈值下可以放过3.4 准入控制Trivy Operator 在K8s层自动扫描Trivy Operator是精品——它作为Operator运行在集群内自动发现并扫描所有Pod的镜像同时提供Admission Controller准入Webhook在Pod创建前自动扫描# 安装 Trivy Operator helm repo add aqua https://aquasecurity.github.io/helm-charts helm repo update helm install trivy-operator aqua/trivy-operator \ --namespace trivy-system \ --create-namespace \ --settrivy.ignoreUnfixedtrue \ --settrivy.severityCRITICAL,HIGH然后Trivy Operator会自动创建VulnerabilityReportCRD每个Pod都会有一个对应的扫描报告# 查看所有漏洞报告 kubectl get vulnerabilityreports -A # 查看某个Pod的详细漏洞 kubectl get vulnerabilityreport pod-ai-inference-xxxxx -o yaml如果再配合准入Webhook所有新创建的Pod如果不满足漏洞阈值直接拒绝# 准入策略拒绝包含CRITICAL漏洞的镜像 apiVersion: aquasecurity.github.io/v1alpha1 kind: ClusterConfigAuditReport ... # 这里实际上是通过Trivy Operator的ConfigMap配置策略 # 在 trivy-operator 命名空间修改配置即可 kubectl edit configmap trivy-operator -n trivy-system四、第三道防线RuntimeClass安全沙箱——用硬件隔离兜底4.1 为什么还需要沙箱前两道防线解决的是供应链安全——镜像是否可信、是否有漏洞。但它们解决不了运行时逃逸的问题。只要你的容器和宿主机共享Linux内核这是Docker和runc的默认模式就有逃逸的可能——CVE-2022-0185Linux内核越界漏洞、CVE-2024-21626runc文件描述符泄露……每年的逃逸漏洞轮着来。⚠️AI容器的特殊性AI推理Pod需要挂载GPU、请求巨量显存、可能挂载额外的模型存储。这些特权操作天然增加了逃逸攻击面。4.2 RuntimeClass 安全沙箱方案K8s的RuntimeClass机制就是为解决这个问题的——让不同的Pod跑在不同的容器运行时上。核心思路高风险的AI推理Pod跑在轻量级VM沙箱里跟宿主机完全隔离。维度Kata ContainersgVisor隔离级别轻量级VM硬件虚拟化用户态内核应用层拦截性能损耗~5-10%接近原生~15-40%系统调用越多越慢GPU支持✅ 完整支持GPU passthrough❌ 不支持GPU直通兼容性⭐⭐⭐⭐⭐ 所有系统调用都支持⭐⭐⭐ 部分系统调用不兼容启动速度较慢需启动VM很快进程级安全等级更高硬件隔离较高软件隔离适用场景AI推理、GPU负载、高风险Pod通用Web服务、低风险PodAI场景的明确建议AI推理Pod用Kata Containers——GPU passthrough是刚需没有替代方案。损失5-10%的性能换的是完整的硬件隔离。Web服务 / 数据处理Pod用gVisor——不需要GPU系统调用模式简单gVisor足够。管理面Podkube-system下的组件用默认runc——改运行时可能导致兼容性问题。4.3 实战配置Kata Containers RuntimeClass# 1. 安装Kata Containers选择一个节点做测试 # Ubuntu sudo apt-get update sudo apt-get install -y kata-containers # 2. 配置 containerd 支持 Kata # 编辑 /etc/containerd/config.toml 添加 cat /etc/containerd/config.toml EOF [plugins.io.containerd.grpc.v1.cri.containerd.runtimes.kata] runtime_type io.containerd.kata.v2 privileged_without_host_devices true EOF # 重启 containerd sudo systemctl restart containerd # 3. 创建 RuntimeClass cat EOF | kubectl apply -f - apiVersion: node.k8s.io/v1 kind: RuntimeClass metadata: name: kata-qemu handler: kata scheduling: nodeSelector: katacontainers.io/kata-runtime: true EOF # 4. 标记kata节点 kubectl label node ai-node-name katacontainers.io/kata-runtimetrue # 5. 在AI推理Pod中指定 runtimeClassName apiVersion: v1 kind: Pod metadata: name: ai-inference-safe spec: runtimeClassName: kata-qemu containers: - name: inference image: registry.example.com/ai-inference:v1 resources: requests: nvidia.com/gpu: 1 limits: nvidia.com/gpu: 1 volumeMounts: - name: model-storage mountPath: /models volumes: - name: model-storage persistentVolumeClaim: claimName: model-pvc⚠️注意事项启用Kata的节点建议打上taint只调度安全Pod避免非安全Pod也跑到Kata节点上浪费资源GPU passthrough需要节点支持SR-IOV或直通不是所有硬件都支持Kata对存储有额外的Overhead建议用local SSD而非网络存储4.4 gVisor配置参考# 安装 gVisor runsc curl -LO https://storage.googleapis.com/gvisor/releases/release/latest/x86_64/runsc sudo mv runsc /usr/local/bin/ sudo chmod x /usr/local/bin/runsc # 配置 containerd cat /etc/containerd/config.toml EOF [plugins.io.containerd.grpc.v1.cri.containerd.runtimes.runsc] runtime_type io.containerd.runsc.v1 EOF sudo systemctl restart containerd # 创建 RuntimeClass cat EOF | kubectl apply -f - apiVersion: node.k8s.io/v1 kind: RuntimeClass metadata: name: gvisor handler: runsc EOF五、第四道防线PodSecurity标准——从凭感觉到按标准5.1 PodSecurity的进化史PodSecurity PoliciesPSP那会儿是真的反人类——一个PSP写200行YAML是常事而且逻辑复杂到连K8s大佬都配不对。好在K8s v1.21开始引入PodSecurity Admissionv1.25正式GA把PSP替代了。PodSecurity标准只有三个等级但覆盖了95%以上的容器安全配置等级说明典型限制Privileged不受限——啥都能干没有额外限制Baseline最小受限——防已知特权升级禁止privileged、禁止hostNetwork、禁止hostPID/IPC、限制Seccomp等Restricted强受限——遵循Pod安全最佳实践Baseline基础上强制non-root、限制capabilities、限制SELinux等实际建议你的集群中90%的Pod都应该用Restricted只有那些实在不兼容的特殊Pod比如网络插件、监控agent才放宽到Baseline或Privileged。5.2 实战Enforce Warn Audit 三模式部署PodSecurity采用三种模式而非一刀切让你可以渐进式落地# 命名空间级别配置 apiVersion: v1 kind: Namespace metadata: name: ai-inference-prod labels: # Enforce直接拒绝不符合Restricted的Pod pod-security.kubernetes.io/enforce: restricted pod-security.kubernetes.io/enforce-version: latest # Warn不符合的Pod创建时给警告但不会拒绝 pod-security.kubernetes.io/warn: baseline pod-security.kubernetes.io/warn-version: latest # Audit不符合的在审计日志记录但没有任何用户可见影响 pod-security.kubernetes.io/audit: baseline pod-security.kubernetes.io/audit-version: latest --- # 集群级默认值 apiVersion: apiserver.config.k8s.io/v1 kind: AdmissionConfiguration plugins: - name: PodSecurity configuration: apiVersion: pod-security.admission.config.k8s.io/v1 kind: PodSecurityConfiguration defaults: enforce: restricted enforce-version: latest audit: baseline audit-version: latest warn: baseline warn-version: latest exemptions: # 豁免kube-system等系统命名空间 namespaces: [kube-system, gatekeeper-system, trivy-system] # 豁免特定运行时类 runtimeClasses: [kata-qemu, gvisor]5.3 AI容器的Restricted配置示例apiVersion: apps/v1 kind: Deployment metadata: name: ai-inference-secure namespace: ai-inference-prod spec: replicas: 3 selector: matchLabels: app: ai-inference template: metadata: labels: app: ai-inference spec: # 使用Kata运行时——第三道防线 runtimeClassName: kata-qemu securityContext: # 关键Pod级别的安全上下文 runAsNonRoot: true runAsUser: 1000 runAsGroup: 3000 fsGroup: 2000 seccompProfile: type: RuntimeDefault containers: - name: inference image: registry.example.com/ai-inference:v1 securityContext: allowPrivilegeEscalation: false capabilities: drop: - ALL # AI推理可能需要CAP_SYS_PTRACE按需添加 # add: [SYS_PTRACE] readOnlyRootFilesystem: true runAsNonRoot: true runAsUser: 1000 seccompProfile: type: RuntimeDefault resources: requests: memory: 8Gi cpu: 4 nvidia.com/gpu: 1 limits: memory: 16Gi cpu: 8 nvidia.com/gpu: 1 volumeMounts: - name: tmp mountPath: /tmp - name: models mountPath: /models readOnly: true volumes: - name: tmp emptyDir: {} - name: models persistentVolumeClaim: claimName: ai-models-pvc readOnly: true⚠️常见踩坑点readOnlyRootFilesystem: true会导致应用在根目录写临时文件失败。必须声明emptyDir来挂载/tmp和/var/tmp等写目录。runAsNonRoot: truerunAsUser: 1000必须确保镜像内的进程是用1000uid跑的。如果Dockerfile里用root启动这里直接创建失败。AI推理框架如Triton Server有自己的进程管理逻辑要注意这些框架的安全配置兼容性。六、分层防御总览四道防线如何协同工作下面的图展示了AI容器从提交到运行的完整防御链路flowchart TD subgraph 开发者侧 A[代码提交] -- B[CI流水线] B -- C[Trivy镜像扫描] C -- D{漏洞达标?} D --|否| E[阻断-返回修复] D --|是| F[Cosign/Notation签名] F -- G[推送镜像到仓库] end subgraph K8s集群侧 H[创建Pod请求] -- I[Admission Webhook] I -- J[Ratify/Kyverno验签] J -- K{签名有效?} K --|否| L[拒绝Pod创建] K --|是| M[PodSecurity校验] M -- N{符合Restricted?} N --|否| O[Warn/Reject] N --|是| P[Pod调度] P -- Q{Schedule调度策略} Q --|AI推理Pod| R[RuntimeClass:kata-qemu] Q --|Web服务Pod| S[RuntimeClass:gvisor] Q --|系统组件| T[默认runc] end subgraph 运行时 R -- U[Kata轻量级VM隔离] S -- V[gVisor用户态内核] T -- W[标准容器] U -- X{运行时监控} V -- X W -- X X -- Y[Falco/告警] end每一层的职责防线防御对象生命周期阶段核心工具绕过成本①镜像签名与验证镜像篡改、供应链攻击构建→部署Cosign/Notation Ratify/Kyverno攻破私钥/CA或绕过Admission②镜像扫描已知漏洞、恶意依赖构建时 运行时持续Trivy/Grype Trivy Operator漏洞不上报或掩盖特征③RuntimeClass沙箱容器逃逸、内核漏洞运行时Kata Containers / gVisor逃出VM或突破Seccomp④PodSecurity标准配置缺陷、过度特权部署准入PodSecurity Admission找到豁免条件或利用不兼容点攻击路径与防御矩阵下面的Mermaid图直观展示了四类典型攻击分别会被哪道防线拦截——红色划线表示被拦截绿色勾表示可绕过需要更上游防线兜底flowchart LR subgraph 攻击向量 A1[恶意镜像投毒] A2[供应链依赖篡改] A3[内核漏洞逃逸] A4[容器过度特权] end subgraph 防线拦截 L1[①镜像签名验证] L2[②漏洞扫描] L3[③RuntimeClass沙箱] L4[④PodSecurity标准] end subgraph 拦截结果 R1[❌ 拦截 - 签名不匹配] R2[❌ 拦截 - CVE超阈值] R3[❌ 拦截 - VM隔离] R4[❌ 拦截 - Restricted策略] R5[⚠️ 需要⑤运行时监控兜底] end A1 --|镜像digest不一致| L1 L1 --|验签失败| R1 A2 --|依赖含已知漏洞| L2 L2 --|CRITICAL漏洞| R2 A3 --|利用内核syscall| L3 L3 --|Kata硬件虚拟机| R3 A3 -.-|突破沙箱| R5 A4 --|特权操作被限制| L4 L4 --|非root只读FS| R4攻击类型绕过第一道绕过第二道绕过第三道绕过第四道恶意镜像投毒❌ 签名验证❌ 漏洞扫描✅ 无法阻止✅ 无法阻止供应链依赖篡改❌ 签名验证❌ 漏洞扫描✅ 无法阻止✅ 无法阻止内核漏洞逃逸✅ 签名有效即可✅ 能过扫描❌ Kata VM隔离✅ 非内核级问题容器过度特权✅ 签名有效即可✅ 能过扫描❌ 缩小攻击面❌ Restricted策略宿主文件访问✅ 签名有效即可✅ 能过扫描❌ Kata文件系统隔离❌ 只读根文件系统网络横向移动✅ 签名有效即可✅ 能过扫描✅ 沙箱内仍可网络通信✅ 无直接防御七、生产级完整YAML清单下面是一份可以直接用于生产环境的完整配置组合# 文件1RuntimeClass 定义 --- apiVersion: node.k8s.io/v1 kind: RuntimeClass metadata: name: kata-qemu handler: kata scheduling: nodeSelector: katacontainers.io/kata-runtime: true tolerations: - effect: NoSchedule key: kata operator: Exists --- apiVersion: node.k8s.io/v1 kind: RuntimeClass metadata: name: gvisor handler: runsc --- # 文件2命名空间级PodSecurity配置 apiVersion: v1 kind: Namespace metadata: name: ai-inference-prod labels: pod-security.kubernetes.io/enforce: restricted pod-security.kubernetes.io/enforce-version: latest pod-security.kubernetes.io/warn: baseline pod-security.kubernetes.io/warn-version: latest --- apiVersion: v1 kind: Namespace metadata: name: ai-training labels: # Training可能用GPU集合通信放宽到baseline pod-security.kubernetes.io/enforce: baseline pod-security.kubernetes.io/enforce-version: latest --- # 文件3Kyverno镜像签名验证策略 apiVersion: kyverno.io/v1 kind: ClusterPolicy metadata: name: require-image-signature spec: validationFailureAction: Enforce background: false rules: - name: check-signature match: any: - resources: kinds: - Pod verifyImages: - imageReferences: - registry.example.com/* mutateDigest: true verifyDigest: true required: true attestors: - count: 1 entries: - keys: publicKeys: |- -----BEGIN PUBLIC KEY----- MFkwEwYHKoZIzj0CAQYIKoZIzj0DAQcDQgAEX... -----END PUBLIC KEY----- --- # 文件4生产级AI推理Deployment完整安全配置 apiVersion: apps/v1 kind: Deployment metadata: name: ai-inference-secure namespace: ai-inference-prod labels: app.kubernetes.io/name: ai-inference app.kubernetes.io/component: inference-server security-tier: restricted spec: replicas: 3 selector: matchLabels: app: ai-inference template: metadata: labels: app: ai-inference annotations: # 显式声明容器运行时 container.apparmor.security.beta.kubernetes.io/inference: runtime/default seccomp.security.alpha.kubernetes.io/pod: runtime/default spec: runtimeClassName: kata-qemu serviceAccountName: inference-sa securityContext: runAsNonRoot: true runAsUser: 1000 runAsGroup: 3000 fsGroup: 2000 seccompProfile: type: RuntimeDefault containers: - name: inference image: registry.example.com/ai-inference:v1 imagePullPolicy: Always ports: - containerPort: 8000 protocol: TCP env: - name: MODEL_PATH value: /models/current - name: LOG_LEVEL value: info securityContext: allowPrivilegeEscalation: false capabilities: drop: - ALL readOnlyRootFilesystem: true runAsNonRoot: true runAsUser: 1000 seccompProfile: type: RuntimeDefault resources: requests: cpu: 4 memory: 8Gi nvidia.com/gpu: 1 limits: cpu: 8 memory: 16Gi nvidia.com/gpu: 1 volumeMounts: - name: tmp mountPath: /tmp - name: model-storage mountPath: /models readOnly: true livenessProbe: httpGet: path: /health port: 8000 initialDelaySeconds: 30 periodSeconds: 10 readinessProbe: httpGet: path: /ready port: 8000 initialDelaySeconds: 5 periodSeconds: 5 volumes: - name: tmp emptyDir: medium: Memory sizeLimit: 1Gi - name: model-storage persistentVolumeClaim: claimName: ai-models-pvc readOnly: true --- # 文件5最小RBAC apiVersion: v1 kind: ServiceAccount metadata: name: inference-sa namespace: ai-inference-prod automountServiceAccountToken: false --- # 文件6NetworkPolicy apiVersion: networking.k8s.io/v1 kind: NetworkPolicy metadata: name: inference-network-policy namespace: ai-inference-prod spec: podSelector: matchLabels: app: ai-inference policyTypes: - Ingress - Egress ingress: - from: - namespaceSelector: matchLabels: kubernetes.io/metadata.name: ai-gateway ports: - port: 8000 protocol: TCP egress: - to: - namespaceSelector: matchLabels: kubernetes.io/metadata.name: kube-system ports: - port: 53 protocol: UDP - port: 53 protocol: TCP - to: - podSelector: matchLabels: app: model-registry ports: - port: 50051 protocol: TCP八、落地避坑指南8.1 不要一上来就全量推行我见过太多团队“我们在所有命名空间强制enforce: restricted” 然后……所有人都被阻塞了然后……策略被回滚了。建议的落地节奏第1周所有命名空间用audit模式观察哪些Pod不满足第2周对不满足的Pod逐个评估要么改代码适应Restricted要么确认豁免第3周核心业务命名空间切到enforce: restricted第4周全量切enforce: restricted保留warn: baseline作为新风向标8.2 关于性能损耗⚠️不要无脑对所有Pod启用Kata Containers。Kata的VM启动开销在5-20秒之间对于水平扩展频繁匹配Pod的应用这个延迟是不可接受的。而且不是所有CPU都支持Kata需要的虚拟化扩展Intel VT-x/AMD-V。合理策略高风险AI推理Pod → Kata安全 性能批处理/离线任务 → Kata可接受额外启动时间在线Web服务 → gVisor启动快隔离够用kube-system组件 → runc不改运行时8.3 别忘了运行时监控四道防线都配好了但你以为就完事了运行时监控是第五道防线可选增强# Falco 运行时安全作为补充监控 helm repo add falcosecurity https://falcosecurity.github.io/charts helm install falco falcosecurity/falco \ --namespace falco \ --create-namespace \ --set falco.driver.kindebpfFalco可以检测容器内执行shell、读取敏感文件、创建网络连接等等——即使攻击者突破了Kata沙箱Falco还能在宿主机层给你报警。九、总结AI容器安全不是选一个工具就能解决的。四道防线缺一不可镜像签名Cosign/Notation→ 解决镜像被篡改的问题镜像扫描Trivy/Grype→ 解决镜像有漏洞的问题RuntimeClass沙箱Kata/gVisor→ 解决逃逸攻击的问题PodSecurity标准Restricted/Baseline→ 解决配置缺陷的问题配置从来不是为了阻止绝对不会出事——而是为了提高攻击成本让攻击者觉得不值得攻破你。今天花半天配好这四道防线明天省下的可能是一个七位数的安全事件。 推荐阅读Cosign 官方文档Trivy Operator 项目Kata Containers 架构说明K8s PodSecurity 标准如果你也在做AI容器安全欢迎留言交流 你觉得哪道防线最难落地标签容器安全镜像签名RuntimeClassPodSecurityKata ContainersCosignTrivy
