Prompt Guard v3.6.0 综合评估
Prompt Guard 是一款专为AI Agent设计的运行时安全防护工具，由安全研究员Seojoon Kim开发，采用MIT许可证开源。其核心架构围绕"离线优先、分层防御"理念构建，内置650+条精心设计的攻击特征库，覆盖从传统提示注入到新兴供应链攻击的全谱系威胁。
核心用法
该工具提供Python SDK与CLI双接口，支持三种集成模式：作为输入过滤器分析用户消息、作为输出扫描器检测LLM响应中的敏感信息泄露、以及作为内存守卫监控AGENTS.md/SOUL.md等配置文件的完整性。其TieredPatternLoader架构允许按CRITICAL/HIGH/MEDIUM三级动态加载模式，在资源受限场景下可仅用~50条关键模式实现90%威胁覆盖率。
显著优点
1. 离线完整性：核心功能零依赖外部API，适用于气隙环境；
2. ClawSecurity对齐：v3.6.0引入50+条工业级攻击签名，涵盖webhook.site外泄管道、云服务凭证窃取、代码渗出等真实威胁场景；
3. 多语言语义检测：支持10种语言的提示注入识别，突破英文中心化局限；
4. 性能优化：SHA-256指纹缓存实现70%+命中率，大幅降低重复计算；
5. 灵活分级响应：SAFE/LOW/MEDIUM/HIGH/CRITICAL五级处置策略，平衡安全与体验。
潜在局限
- 模式维护负担：650+条正则规则需持续更新以应对攻击变种，开源社区维护力度存疑；
- 误报风险：高敏感度模式下角色扮演、代码示例等合法场景可能触发拦截；
- 高级威胁盲区：DNS隧道、高级隐写术等仅开放于付费API层，离线版无法覆盖；
- 生态锁定：SHIELD.md分类体系与特定AI框架深度绑定，跨平台迁移成本较高。
适合人群
- 部署本地LLM的企业安全团队
- 需要合规审计日志的金融/医疗AI应用
- 开发AI Agent平台的ISV厂商
- 红队研究人员（用于构建对抗样本测试集）
常规风险
1. 配置漂移：sensitivity参数从medium调至paranoid可能引发服务可用性灾难；
2. API密钥泄露：内置beta key若未替换，存在供应链投毒风险；
3. 缓存投毒：LRU缓存若未设置TTL，可能被用于构造持久化绕过；
4. 过度依赖：开发者易产生"部署即安全"错觉，忽视模型层安全微调。