moltbot-security

核心用法

Moltbot Security 是一个纯文档型的安全加固指南 Skill，专为使用 Moltbot、OpenClaw、Cursor、Claude 等 AI 编码工具的用户设计。该 Skill 不提供可执行代码，而是通过结构化的 Markdown 文档，指导用户完成 8 项关键安全配置：网关绑定至 loopback、设置 Token/密码认证、锁定文件权限（600/700）、禁用 mDNS 广播、升级 Node.js 至 v22.12.0+、配置 Tailscale 安全隧道、部署 UFW 防火墙规则，以及 SSH 密钥加固。用户可通过 openclaw security audit --deep --fix 命令配合文档完成自动化检测与修复。

显著优点

零攻击面设计：作为纯文档 Skill，不含任何可执行代码、网络请求或文件操作，从根本上消除了代码层面的安全风险。权威研究支撑：内容基于 @NickSpisak_ 对 Shodan 上 1,673+ 个暴露网关的真实漏洞研究，非理论推测。实战导向：提供可直接复制的配置模板（JSON、Shell 命令），覆盖从本地开发到云服务器部署的全场景。生态整合：深度整合 Tailscale、UFW、OpenSSL 等主流工具，形成完整的安全访问链路。持续更新：版本迭代至 v1.0.3，作者维护活跃，及时跟进 Node.js 等依赖的安全版本要求。

潜在缺点与局限性

无自动化执行能力：用户需手动执行文档中的命令，对新手可能存在操作门槛。平台覆盖不均：防火墙配置主要针对 Ubuntu/Debian（UFW），Windows 用户需自行适配。Tailscale 依赖：远程访问方案强依赖第三方 VPN 服务，未提供 WireGuard 等替代方案。配置验证缺失：文档未提供配置生效后的自动化验证脚本，用户需自行检查。误配置风险：若用户未理解即复制粘贴，可能因网络配置错误导致自身被锁出服务器（如 UFW 规则顺序错误）。

适合的目标群体

AI 辅助开发者：使用 Cursor、Claude、GitHub Copilot 等工具进行 "vibe-coding" 的开发者，尤其是将 AI 代理网关暴露于网络环境的用户。DevOps/运维工程师：负责 AI 工具链基础设施安全加固的技术人员。安全意识薄弱的技术团队：缺乏专门安全人员，但需要快速落实基础安全措施的初创团队。云服务器用户：在 AWS、DigitalOcean、Hetzner 等公有云部署 AI 代理的个人开发者或小团队。

使用风险

操作风险：手动执行防火墙或 SSH 配置时，可能因误操作导致服务器无法远程访问，建议先在测试环境验证。文档滞后性：Node.js 版本要求（v22.12.0+）可能随新漏洞披露而过时，需关注官方安全公告。社会工程仿冒：攻击者可能伪造类似名称的恶意 Skill，用户应核实作者身份（NextFrontierBuilds）和 GitHub 仓库来源。配置漂移：长期运行后，系统更新可能重置部分配置（如 UFW 规则），建议定期重新执行审计命令。过度依赖单一方案：Tailscale 服务中断时，远程访问将失效，需准备备用访问通道。

核心用法

本 Skill 是一份纯文档型安全加固指南，专为由 Claude、Cursor 等 AI 编码工具驱动的 Moltbot/OpenClaw 网关提供端到端防护方案。文档以 TL;DR 形式提炼 5 条铁律（loopback 绑定、token 认证、文件权限、Node 升级、Tailscale 组网），并展开为 8 步可落地的操作手册：

1. 网关绑定策略 — 通过 bind: loopback/lan/auto 三级配置，彻底阻断公网可达性；
2. 双模式认证 — 支持 64 位 hex token 与密码模式，推荐通过环境变量注入敏感凭证；
3. 最小权限原则 — 使用 chmod 600/700 锁定 ~/.openclaw 配置目录，防止凭证泄露；
4. 网络隐身 — 禁用 mDNS/Bonjour 广播，避免本地网络扫描发现；
5. 运行时加固 — 要求 Node.js v22.12.0+，修补已知 CVE；
6. 零信任远程访问 — 集成 Tailscale serve，实现无公网 IP 的加密点对点访问；
7. 云服务器防火墙 — UFW 默认 deny incoming，仅放行 SSH 与 Tailscale 网卡；
8. SSH 基线防护 — 关闭密码登录、禁止 root 直连。

文档末尾提供一键安全审计命令 openclaw security audit --deep --fix，并附可直接套用的 JSON 配置模板。

显著优点

• 权威背书：基于 @NickSpisak_ 的真实 Shodan 研究（发现 1,673+ 暴露实例），非泛泛而谈；
• 零代码风险：纯 Markdown，无可执行脚本，经 CLS-Certify 六维检测评分 96/S+；
• AI-Native 场景精准：针对 "vibe-coding" 开发者习惯（快速启动、忽视安全）设计，语言直白、命令即贴即用；
• 分层防御：从进程绑定、认证、文件系统到网络层、传输层、主机层，覆盖纵深防御链条；
• 合规友好：MIT 开源，无用户数据收集，符合 GDPR 数据最小化。

潜在缺点与局限性

• 手动执行依赖：虽提供 --fix 命令示例，但 Skill 本身不自动执行，需用户具备基础 Linux 运维能力；
• 版本锁定模糊：文档未明确标注适用 OpenClaw/Moltbot 的具体版本区间，跨版本配置可能存在差异；
• 平台覆盖不均：Tailscale 与 UFW 示例偏向 Linux/macOS，Windows Server 场景指导较少；
• 无持续监控：属于"一次性加固"指南，未涉及日志审计、入侵检测、证书轮换等运营阶段措施；
• 生态依赖：Tailscale 为第三方商业服务（虽有免费层），企业合规环境可能需替代方案（如 WireGuard + 自建控制器）。

适合人群

• 使用 Claude/Cursor/GitHub Copilot 进行 vibe-coding 的独立开发者与小团队技术负责人；
• 将 AI 代理网关部署于云服务器（AWS/DigitalOcean/Hetzner）但缺乏专业安全背景的全栈工程师；
• 关注 AI 工具链供应链安全、希望快速通过基线加固通过公司安全审计的DevOps 工程师。

常规风险

• 配置误读风险：若用户误将 bind 设为 auto 或开放 UFW 18789 端口，会导致网关直接暴露公网，与指南初衷相悖；
• 凭证泄露惯性：部分开发者可能图方便将 token 硬编码于 JSON 而非环境变量，一旦配置文件被误提交至 GitHub 即造成泄露；
• curl | sh 管道风险：Tailscale 安装命令虽为官方推荐，但传统安全审计视"管道直接执行远程脚本"为反模式，建议在隔离环境验证脚本完整性；
• Tailscale 单点依赖：若 Tailscale 服务自身故障或用户账户被盗，远程访问链路即中断或失控，需额外配置 ACL 与 MFA。