Cloakroom che giấu bí mật khỏi các tác nhân AI lập trình trước khi chúng tiếp cận

Shanjeev Rajendran đã phát hành Cloakroom, một tiện ích mã nguồn mở giúp che giấu các khóa API, mật khẩu và thông tin nhận dạng cá nhân (PII) trên máy cục bộ trước khi các tác nhân AI lập trình xử lý chúng. Được công bố trên GitHub vào tháng 11 năm 2026, công cụ này tích hợp trực tiếp với các tác nhân phổ biến bao gồm Claude Code, Codex CLI, Gemini CLI và Cursor nhằm ngăn chặn rò rỉ bí mật vô tình trong quy trình làm việc phát triển.

Chuyện gì đã xảy ra

Các nhà phát triển ngày càng phụ thuộc vào các tác nhân AI lập trình để đọc tệp, thực thi lệnh và tạo mã, điều này tạo ra rủi ro đáng kể rằng các thông tin đăng nhập nhạy cảm hoặc dữ liệu riêng tư được nhúng trong kho lưu trữ sẽ bị lộ cho các mô hình bên ngoài. Cloakroom giải quyết vấn đề này bằng cách hoạt động như một lớp trung gian quét dữ liệu chảy vào và ra khỏi các tác nhân này. Nó xác định các bí mật và PII bằng cách sử dụng các quy tắc mẫu và một mô hình phát hiện cục bộ, thay thế các giá trị thực bằng các giá trị giữ chỗ dành riêng cho phiên như PII_SECRET_1 trước khi tác nhân nhìn thấy chúng.

Công cụ hoạt động hoàn toàn trên máy của người dùng, đảm bảo rằng không có bí mật thô nào rời khỏi môi trường cục bộ ngoại trừ lần tải xuống ban đầu duy nhất của mô hình phát hiện. Khi tác nhân AI ghi tệp hoặc thực thi lệnh chứa các giá trị giữ chỗ này, Cloakroom chặn đầu ra và khôi phục các giá trị thực ban đầu ngay trước khi chúng được ghi vào đĩa hoặc thực thi trong shell. Việc che giấu hai chiều này cho phép các nhà phát triển sử dụng trợ lý AI mà không cần phải tự tay xóa sạch mã nguồn hoặc gặp rủi ro lộ thông tin đăng nhập qua tấn chèn prompt hoặc đưa nhầm vào ngữ cảnh.

Việc cài đặt khác nhau tùy theo từng tác nhân. Đối với Claude Code trên Mac, Windows hoặc Linux, người dùng cài đặt một plugin khởi động chương trình Cloakroom. Đối với Codex, Gemini CLI và Cursor trên Mac và Linux, công cụ được cài đặt thông qua trình quản lý gói Python uv. Hệ thống bao gồm các cơ chế an toàn, nơi các tác nhân không thể tự phê duyệt các lệnh bị tạm giữ của chính mình hoặc tắt các hook, yêu cầu sự xác nhận rõ ràng từ người dùng qua các lệnh terminal cho bất kỳ hành động nào bị chặn.

Cách thức hoạt động

Cloakroom hoạt động bằng cách tiêm các hook vào đường ống gọi công cụ của tác nhân. Khi một tác nhân cố gắng đọc tệp, xem đầu ra lệnh hoặc xử lý kết quả MCP, Cloakroom chặn luồng dữ liệu. Nó áp dụng kết hợp giữa khớp mẫu dựa trên regex và một mô hình học máy cục bộ nhỏ tên là PII-Tracer để xác định các chuỗi nhạy cảm. Sau khi được phát hiện, mỗi bí mật được thay thế bằng một giá trị giữ chỗ duy nhất vẫn nhất quán trong suốt phiên làm việc. Các ánh xạ này được lưu trữ trong một vault mã hóa trên máy cục bộ, với các khóa mã hóa được bảo vệ bởi keystore gốc của hệ điều hành, chẳng hạn như macOS Keychain hoặc Windows Credential Manager.

Trên đường trả về, khi tác nhân tạo ra mã hoặc lệnh chứa các giá trị giữ chỗ này, Cloakroom đổi ngược chúng lại thành các giá trị gốc. Điều này diễn ra ngay trước khi dữ liệu được ghi vào hệ thống tệp hoặc chuyển đến shell để thực thi. Nếu công cụ gặp dữ liệu mà nó không thể xác minh hoặc che giấu một cách an toàn, nó sẽ tạm giữ thao tác thay vì để nó đi qua mà không kiểm tra, buộc nhà phát triển phải xem xét và cho phép rõ ràng hành động đó. Cách tiếp cận dự phòng lỗi này ưu tiên bảo mật hơn sự tiện lợi, đảm bảo rằng các bí mật chưa được che giấu không bao giờ vô tình tiếp cận mô hình AI.

Chi tiết chính

• Không rò rỉ trong các bài kiểm tra: Trong các tập dữ liệu kiểm thử độc lập, Cloakroom cho phép không có chi tiết cá nhân nào trong số 1.050 và không có khóa định dạng nhà cung cấp nào trong số 77 lọt qua, trong khi các công cụ khác được kiểm tra đã để lọt từ 119 đến 992 chi tiết.
• Xử lý chỉ cục bộ: Không có dữ liệu nào rời khỏi máy ngoại trừ lần tải mô hình ban đầu; mô hình phát hiện chạy cục bộ để xác định các bí mật mà không gửi nội dung tới các API bên ngoài.
• Lưu trữ vault mã hóa: Các ánh xạ từ bí mật sang giá trị giữ chỗ được lưu trữ trong một vault cục bộ mã hóa, với các khóa được bảo vệ bởi keystore của OS, ngăn chặn tác nhân AI truy cập vào khóa giải mã.
• Hỗ trợ rộng rãi cho các tác nhân: Hoạt động với Claude Code (Mac, Windows, Linux), Codex CLI, Gemini CLI và Cursor (Mac, Linux), bao phủ việc đọc tệp, đầu ra lệnh và OCR hình ảnh.
• Phòng thủ tấn chèn prompt: Công cụ ngăn các tác nhân tự phê duyệt các lệnh bị tạm giữ của chúng, tắt Cloakroom hoặc tiêm hook vào các tệp cấu hình mà không có sự ủy quyền rõ ràng từ người dùng qua cr: allow.
• Đánh đổi dương tính giả: Để đạt được mức độ không rò rỉ, công cụ che giấu nhiều văn bản vô hại hơn so với các trình quét chỉ tìm bí mật, mặc dù người dùng có thể điều chỉnh các quy tắc qua bảng điều khiển để giảm bớt các cảnh báo sai trong tương lai.

Tại sao điều này quan trọng

Đối với các kỹ sư phần mềm và trưởng nhóm kỹ thuật, việc tích hợp các tác nhân AI vào quy trình làm việc hàng ngày đã làm mờ ranh giới giữa phát triển cục bộ và xử lý bên ngoài. Các công cụ quản lý bí mật truyền thống thường tập trung vào việc ngăn chặn các commit lên hệ thống kiểm soát phiên bản hoặc quét các tệp tĩnh, nhưng chúng không giải quyết được bối cảnh runtime động, nơi các tác nhân đọc các tệp đang hoạt động và thực thi lệnh. Cloakroom lấp đầy khoảng trống này bằng cách bảo mật đường ống dữ liệu tại điểm tương tác, đảm bảo rằng ngay cả khi một nhà phát triển quên xóa đỏ một tệp, tác nhân cũng không bao giờ nhận được thông tin đăng nhập thô. Điều này giảm tải nhận thức cho các nhà phát triển, những người không còn cần phải tỉ mỉ làm sạch mọi cửa sổ ngữ cảnh trước khi gọi trợ lý AI.

Kiến trúc của công cụ cũng nhấn mạnh sự chuyển dịch hướng tới các biện pháp kiểm soát bảo mật phía client cho các tương tác AI. Bằng cách giữ mô hình phát hiện và vault bí mật ở cục bộ, nó giảm thiểu các rủi ro liên quan đến các dịch vụ quét dựa trên đám mây, vốn có thể trở thành mục tiêu tấn công hoặc gánh nặng tuân thủ. Khả năng quét hồi tố các cuộc trò chuyện cũ để tìm dữ liệu cá nhân bị lộ mở rộng thêm tính hữu ích của nó vượt ra ngoài bảo vệ thời gian thực, giúp các đội ngũ kiểm toán các tương tác trong quá khứ để tìm kiếm các vi phạm tiềm tàng. Tuy nhiên, các nhà phát triển cần nhận thức rằng đây không phải là một sandbox; nó ngăn ngừa các rò rỉ vô tình nhưng không dừng được các cuộc tấn chèn prompt độc hại nếu tác nhân bị xâm phạm, nghĩa là nó nên được sử dụng cùng với các thực hành bảo mật tốt khác.

Bạn có thể làm gì

• Cài đặt Cloakroom cho tác nhân AI chính của bạn bằng cách sử dụng các lệnh cụ thể cho Claude Code, Codex, Gemini hoặc Cursor được tìm thấy trong tài liệu chính thức.
• Chạy cloakroom doctor sau khi cài đặt để xác minh rằng tất cả các hook đều đang hoạt động và kiểm tra sức khỏe trả về ok cho mọi thành phần.
• Sử dụng cloakroom exposure --personal để quét lịch sử chat cũ từ các tác nhân được hỗ trợ nhằm tìm kiếm bất kỳ dữ liệu cá nhân hoặc thông tin đăng nhập nào đã bị lộ trước đó.
• Cấu hình cloakroom dashboard để xem xét các dương tính giả và đánh dấu các mục bị che giấu vô hại để công cụ quy tắc bỏ qua chúng trong các phiên tương lai.
• Tránh dán trực tiếp các bí mật vào prompt; thay vào đó, hãy sử dụng lệnh cloakroom give NAME để tiêm thông tin đăng nhập qua các prompt ẩn cung cấp giá trị giữ chỗ cho tác nhân.
• Thường xuyên chạy cloakroom update để đảm bảo mô hình phát hiện và các tích hợp hook luôn cập nhật, đặc biệt là sau khi nâng cấp phần mềm tác nhân AI nền tảng.