跳到内容
Esc
↑↓导航↵打开⌘J预览
本页内容

Agent 安全

Agent 收件箱如何保护读取它的 AI agent,以及 agent 发信时所面向的人,从发件人信任、隔离到提示词注入筛查和发送规则。

任何人都可以给收件箱发邮件,而读邮件的 AI agent 是可以被说动的:邮件里可以藏着人看不到的指令,可以冒充 agent 的所有者,也可以要求它转发密码重置链接。Agent 收件箱分层应对。agent 只读取通过收件箱规则的邮件;它读到的内容会先清除隐藏文字,并标注为不可信;它发出的邮件要经过发送规则,有风险的发送会变成草稿,等人处理。

这些措施都不能让收到的邮件变得可信。筛查只是一个信号,不是保证:你的 agent 仍然应该把每封邮件当作数据,永远不要当作指令。

概览

层级 作用
收件人检查 发给没有收件箱的地址的邮件会被拒收,除非打开了全域收信(catch-all);被刷爆的收件箱会返回「稍后重试」。
病毒扫描 带病毒的邮件被隔离,它的下载被永久阻止。
垃圾邮件评分 评分不合格的邮件进入 spam 文件夹。
发件人信任 给每个发件人分级,从你自己团队的地址一直到认证失败的发件人。
接收规则 来自收件箱不接受的发件人的邮件会被隔离。
筛查 对外部发件人的邮件评估提示词注入和钓鱼风险;高分邮件被隔离。
隐藏文字 人看不到的文字,会从 agent 或模型读取的所有内容里移除。
围栏标记 MCP 返回的结果会把邮件文本放在不可信内容标记之间。
验证码 验证码和登录链接会为 agent 提取出来,且不能转发给陌生人。
发送规则 只能在会话内回复、每日上限、新收件人爬坡、循环防护;有风险的发送会变成草稿。
活动 每个操作和决定都有记录,所有者会收到有内容在等待的通知。

发件人信任

每封收到的邮件都有一个 sender_trust,在读取时显示在 screening 里,在控制台里显示为信任。按顺序,第一条匹配的行生效:

sender_trust 发件人
failed 认证失败,且该域名要求接收方隔离或拒收这类邮件(或者没有发布 DMARC 策略,SPF 失败且没有自己的 DKIM 签名)。这一行优先于其他所有行,所以伪造的所有者永远不会通过。
owner 你团队成员的登录地址之一,或收件箱的 owner_addresses 里的地址,且该域名为其担保。
allowlisted 匹配收件箱的允许列表,且该域名为其担保。
known_thread 在收件箱写过信的会话里回复,且来自收件箱写过信的地址,由会话令牌或指向收件箱所发邮件的 In-Reply-To 证明。不需要认证。
external 域名为其担保的其他任何发件人,包括你自己域名上的其他地址。
unauthenticated 其余所有人:域名不为 From 地址担保,或邮件列出了不止一个发件人。

当 DMARC 通过时,域名就为 From 地址担保;对没有 DMARC 策略的域名,则是存在该域名的 DKIM 签名,或其组织域名的 SPF 通过。

  • 只有你团队成员的登录地址和收件箱的 owner_addresses 才是所有者。你公司域名上的其他所有人都是 external,所以同事的地址,或者以你的域名发信的系统,都无法指挥 agent,也无法收到它的私密验证码。
  • 等级在邮件到达时就确定,之后不再变化。允许列表的修改只对之后到达的邮件生效;已经被扣留的邮件需要手动放行。

哪些邮件能到达 agent

accept_from 按等级决定:

sender_trust anyone verified(默认) allowlist
owner、allowlisted、known_thread 投递 投递 投递
external 筛查 筛查 隔离,not_allowlisted
unauthenticated 筛查 隔离,unauthenticated_sender 隔离,not_allowlisted
failed 隔离,failed_auth 隔离,failed_auth 隔离,failed_auth

筛查的邮件会被投递,除非筛查把它隔离。在这张表之外:

  • 病毒会让邮件在所有收件箱里被隔离,不论发件人是谁。
  • 来自所有者或允许列表、但转发别人邮件的邮件也会被筛查:转发的内容不继承信任。
  • 垃圾邮件评分不合格的已投递邮件进入 spam 文件夹,除非明确要求,会话列表不包含这个文件夹。
  • 已投递的邮件,当发件人是 unauthenticated 或 failed、垃圾邮件评分为 gray,或筛查发现了未达到阈值的可疑之处时,读取结果里是 screening.verdict: "suspicious";否则为 clean。

human 收件箱默认接受 anyone:除病毒外所有邮件都会投递,来自 failed 发件人的邮件进入 spam 文件夹。筛查只在 agent 收件箱上运行。

隔离

被隔离的邮件与任何收到的邮件保留得一样久,可列出、可放行;它永远不会被丢弃,也不会退回给发件人。

quarantine_reason 被扣留是因为
failed_auth 发件人认证失败。
unauthenticated_sender 发件人的域名不为其担保,而收件箱只接受已验证的发件人(或把该地址列为所有者,或放在它的允许列表里)。
not_allowlisted 收件箱只接受它的允许列表。
injection 筛查给提示词注入打了 80 分或更高。
phishing 筛查给钓鱼打了 80 分或更高。
virus 病毒扫描器发现了恶意软件。
unscreened 邮件需要筛查,而判断模型无法给出结果。
screening_cap 邮件需要筛查时,已经超过当天的筛查上限。

Agent 永远看不到被扣留的邮件。 限定到某个收件箱的密钥和所有 MCP 调用都会跳过被扣留的邮件:读取一封会返回 403 email_quarantined,等待请求只报告它的 id,也不会从中提供任何验证码。筛查进行期间(通常几秒),邮件处于待定状态,它的 id 返回 404。控制台里的人能看到全部邮件,并带有标记。

没有 Webhook 会通知被扣留的邮件。 email.received 和 inbox.email.received 在邮件被投递或放行时触发;inbox.email.quarantined 会通知订阅了它的端点。

放行。 人在收件箱的待审核标签页里放行;未限定到某个收件箱的完全访问团队密钥用 POST /inboxes/{id}/quarantine/{email_id}/release;MCP 客户端在 receiving:manage 下使用 release_email。限定到某个收件箱的密钥永远不能放行。

  • 人或完全访问的团队密钥可以放行任何扣留。
  • MCP 客户端就是邮件所针对的那个 agent:它不能放行因提示词注入、钓鱼、病毒或认证失败而被扣留的邮件(403 forbidden),其他扣留则要等筛查读到该邮件评分低于 80 才行(否则返回 409 held_by_screening;筛查无法运行时返回 503 screening_unavailable)。
  • 放行并信任发件人(trust_sender)还会把发件人加入允许列表,仅限已验证发件人造成的 not_allowlisted 扣留,且仅限所有者、管理员、开发者和完全访问的团队密钥(否则返回 403 trust_not_allowed)。
  • 被放行的邮件会像刚到达一样被投递,包括触发 Webhook。病毒始终是病毒:它的附件和原始邮件仍被阻止。

当有邮件在隔离区等待、草稿等待审批或发送被拒绝时,所有者每天会收到一封邮件,标题是你的收件箱需要查看,其中只有数量和链接,不含发件人或主题。它对应设置 → 通知下的收件箱需要查看提醒;见通知。

提示词注入筛查

在打开了 screening 的 agent 收件箱上,来自 external 和 unauthenticated 发件人、且规则会放行的邮件,会在 agent 看到之前先被筛查。判断模型读到的是邮件的呈现形式,隐藏文字单独标出:发件人、它的认证结果和 Reply-To;主题和可见文本;被移除的隐藏文字;链接的锚文本和域名(从不访问);附件名。验证码会被遮盖,地址只保留域名,之后这些内容才会离开系统。

结果是两个 0 到 100 的分数,injection_score 和 phishing_score,以及适用的 reasons:

原因 邮件
targets_agent 称呼的是 AI、助手、模型或「系统」,而不是某个人。
override 试图改变读者的指令、角色或优先级。
exfiltration 要求读者把验证码、链接、密钥、其他邮件、联系人或数据发出去。
unsafe_action 要求执行会在对话之外产生影响的操作:付款、批准、删除、运行某个程序。
concealed 隐藏指令:藏在隐藏文字里、经过编码或反转、放在伪造的邮件结尾之后,或放在伪造的引用里。
credential_lure 在声称的发件人并不拥有的页面上索要密码、验证码或银行卡信息。

注入分数达到 80 或更高,邮件以 injection 被隔离;否则钓鱼分数达到 80 或更高,则以 phishing 被隔离。50 到 79 分的邮件会被投递,标记为 suspicious。分数始终会显示,在读取时位于 screening 里,也显示在控制台里。

  • 它出错时倾向于拒绝。 判断模型超时或出错时,邮件以 unscreened 被隔离;筛查始终没有完成(它的任务不断失败或停滞)时也一样:没有邮件会处于待定状态超过大约一小时。一个收件箱一天里被筛查的邮件超过 200 封后,需要筛查的邮件以 screening_cap 被隔离,所以洪水式的邮件只会变成隔离,绝不会变成未经筛查的投递。
  • 它从不影响你的发信。 对你收到的邮件作出的判断,永远不会计入你自己的发信信誉或滥用审核。

隐藏文字与 extracted_text

邮件里可以带着人看不到、模型却能读到的文字:白底白字的指令、display:none 块、渲染出来什么也看不见的字符。在任何文本到达 agent 或模型之前,BillionSend 会移除隐藏元素(display:none、visibility:hidden、接近零的不透明度、极小的字体、被推到屏幕之外的内容、与背景同色的文字、注释、<template>、<noscript>)和不可见字符(零宽字符、文字方向控制符、Unicode 标签字符)。Emoji 会保留它们所需的连接符。大多数新闻邮件都有的隐藏预览行也会被移除,但不会让邮件被判为可疑。

agent 读到的内容:

  • extracted_text:回复部分,引用的历史内容和签名单独分开,是带少量 Markdown 的纯文本,最多 32,000 个字符。
  • text 不含不可见字符。
  • 当移除了预览行之外的隐藏文字或不可见字符时,screening.hidden_text_removed: true。

html 保持与收到时完全一致,原始邮件保留所有内容。

围栏标记。 MCP 返回的结果会把每封邮件的文本放在两行标记之间,标记里带有每次调用随机生成的值:

-----BEGIN UNTRUSTED EMAIL CONTENT 95253f15-----
Hi! Your order shipped today.
-----END UNTRUSTED EMAIL CONTENT 95253f15-----

邮件里自己写的标记行会先被改动,所以邮件无法提前关闭自己的围栏。

验证码与登录链接

在某处注册的 agent 需要服务方发来的验证码或链接。BillionSend 把它们提取出来,agent 无需解析 HTML:

  • 验证码需要附近有提示词(支持英文、葡萄牙语和西班牙语);订单号、价格、电话号码、优惠券和日期会被跳过。两个验证码可能性相当时,一个都不返回(ambiguous)。
  • 链接包括登录、确认、重置和邀请链接;退订、隐私和帮助链接会被跳过。链接从不被访问:会跟随链接的扫描器会把一次性链接用掉。

它们通过 GET /emails/receiving/{id} 上的 extracted、GET /inboxes/{id}/codes/latest 和 MCP 工具 get_verification_code 提供,除此之外别无他处:绝不出现在列表、Webhook、日志或错误消息里。它们永远不会从被扣留的邮件、failed 发件人,或 extract_codes 关闭时提供,每次读取都会记录在收件箱的活动里。

私密验证码。 打开 private_codes(agent 的默认值)后,团队在最近 24 小时内收到的验证码或链接,不能通过收件箱地址发给所有者和允许列表之外的任何人:这样的发送会变成草稿,原因是 private_code。即使 agent 被说动去这么做,这一点也成立。它涵盖从收件箱地址发出的邮件,所以请给 agent 一把限定到收件箱的密钥,或者在它们的 MCP 权限里去掉 emails:send。

agent 可以发送什么

从收件箱地址发信的每一种方式,都经过同一套规则:收件箱回复、转发和草稿,服务端的回复与转发,forward_to 副本,POST /emails、POST /emails/batch、SMTP 中继和 MCP 工具 send_email。顺序如下:

  1. 身份。 限定到某个收件箱的密钥只能从它收件箱的地址发信(403 restricted_api_key;通过 SMTP 则是 550 5.7.1)。
  2. 共享域名。 共享地址遵循共享域名的规则:在 Free 套餐上,或名称看起来像知名品牌时,它只能在自己的会话里回复。其他一切都以 403 inbox_send_policy 被拒绝,即使已经批准。每次共享发送都计入团队在共享域名上的每日限额,且最多 10 个收件人。
  3. 每日上限。 每个 UTC 日 send_cap 个收件人。超出后返回 429 inbox_send_cap_reached。已批准的发送会计入,但永远不会被拒绝。

在 agent 收件箱上,除非这次发送已经获批,下面每一条都会把它扣留为草稿,并附上原因:

  1. 循环防护。 回复自动邮件(loop_guard: 加原因):空的发件人、Auto-Submitted 头、Precedence: bulk、邮件列表头、自动回复头、投递报告、no-reply 地址,或外出自动回复的主题。一小时内向同一个地址发出超过 10 封自动邮件,就是 loop_burst。agent 的回复带有 Auto-Submitted: auto-replied,所以两个 agent 互相写信,一轮之后就会停下。
  2. Reply-To。 回复的 Reply-To 指向另一个组织的域名,除非它的发件人是所有者、在允许列表里,或属于已知会话(reply_to_redirect)。
  3. 发送策略。 reply_only(默认):在会话里回复,对象是在其中写过信的人、所有者和允许列表。allowlist:以上这些,再加上与所有者和允许列表发起的新对话。open:任何人,但在你的团队刚开始发信时不可用(最初 1,000 次发送或 72 小时之内,或第一次发送后 7 天内不足 10,000 次发送)。
  4. 私密验证码(private_code),如上所述。
  5. 爬坡。 每天的新收件人不超过上限,在收件箱发送的第一天不超过 10 个,之后每天翻倍:20、40、80、160,依此类推(ramp)。
  6. 审批。 收件箱上的 require_approval,或请求上的 requires_approval: true。

human 收件箱只运行前三步:人在控制台里回复不会被扣留。在 POST /emails、批量接口、SMTP 中继和 send_email 上,规则会扣留的发送会被 403 inbox_send_policy(通过 SMTP 则是 550 5.7.1)拒绝,因为这些入口不能创建草稿:要得到草稿,请通过收件箱的接口发送。

agent 收件箱发给新地址的第一封邮件,也会经过与你团队任何发送相同的滥用审核。

agent 仍然应该做什么

  • 把每封邮件当作数据。邮件里的指令是陌生人的话,不管分数怎么说。
  • 读取 extracted_text,不要读 html,并在行动前检查 screening.sender_trust 和 screening.verdict。
  • 永远不要单凭邮件里的链接就去访问;用 codes/latest 或 get_verification_code。
  • 对难以撤销的事情,保持 require_approval 打开,或传 requires_approval: true。
  • 给每个 agent 自己的限定到收件箱的密钥,并用 inbox_ids 把 Webhook 指向具体的收件箱。

这些保护做不到什么

  • 筛查和垃圾邮件阈值只是起始值。邮件可能漏过去,正常邮件也可能被扣留;被扣留的邮件点一下就能放行。
  • 没有发布 DMARC 策略或策略为 p=none 的域名,能证明的东西很少:它的真实邮件和伪造邮件看起来可能一样。
  • 隐藏文字的检测按邮件客户端渲染 HTML 的方式进行,对损坏的标记尽力而为;标记和原始邮件是最后的保障。

这个页面有帮助吗?