Prompt Guard v2.6.0 综合评估
核心用法
Prompt Guard 是专为 AI Agent（Clawdbot）设计的提示词注入防御系统，采用分层检测架构：
1. 实时分析引擎：通过 detect.py 对用户输入进行多维度扫描，识别 349+ 种攻击模式
2. 分级响应机制：SAFE/LOW/MEDIUM/HIGH/CRITICAL 五级严重度，对应 allow/log/warn/block/block_notify 动作
3. HiveFence 网络：可选接入分布式威胁情报网络，实现「单点检测、全网免疫」的集体防御
4. 多语言支持：原生覆盖英语、韩语、日语、中文的攻击模式检测
典型调用流程：
from scripts.detect import PromptGuard
guard = PromptGuard(config_path="config.yaml")
result = guard.analyze("用户消息", context={"user_id": "123", "is_group": True})
# result.action → "block" / "warn" / "allow" 等显著优点
- 零依赖风险：仅使用 Python 标准库（os/sys/re/json/hashlib），无第三方供应链攻击面
- 攻击覆盖全面：直接注入（指令覆盖/角色操纵）、间接注入（文件/URL/图片载荷）、多轮攻击（渐进式信任建立）、社会工程（权威冒充/紧急压力）、令牌混淆（Unicode 同形字符/Base64）
- 场景化防御：针对 2026 年最新攻击趋势（单授权扩展攻击、凭证路径收割、DM 社工、Claude 系统提示模拟等）
- 隐私可控：日志记录可配置是否包含原始消息，符合 GDPR 数据最小化原则
- 开源可审计：MIT 协议，GitHub 完全公开，安全认证报告 A 级（CLS-2026-0714-PG253）
潜在缺点与局限性
- 外部 API 依赖：HiveFence 功能需连接作者自托管的 Cloudflare Workers（
hivefence-api.seojoon-kim.workers.dev），企业环境需评估数据出境合规性 - 正则性能瓶颈：349+ 正则模式串行匹配，极端长文本可能产生延迟（未实现 NFA 优化或 GPU 加速）
- 无对抗训练：基于规则而非机器学习，对新型零日攻击（如语义混淆攻击）检测能力有限
- 日志存储风险：默认写入
memory/security-log.md，若配置不当可能泄露检测历史 - Owner 判定单一：仅通过 Telegram user ID 识别，无多因素认证或行为基线分析
适合人群
- AI Agent 运营者：运行 Clawdbot 等 LLM 机器人的个人或团队
- 多语言场景用户：服务韩/日/中用户群体的国际化部署
- 安全意识较强的开发者：愿意投入时间配置细粒度策略（sensitivity: paranoid 模式）
- 小型开源项目：追求零依赖、轻量部署的技术方案
不建议：
- 高合规要求的企业（金融、医疗）直接依赖 HiveFence 外部 API
- 需要实时对抗训练/自适应学习的动态威胁场景
常规风险
| 风险类型 | 等级 | 说明 |
|---------|------|------|
| 外部 API 数据泄露 | 低-中 | HiveFence 上报攻击模式哈希，虽非原始消息但存在元数据暴露 |
| 日志文件权限漂移 | 低 | 若 umask 配置不当，安全日志可能被其他用户读取 |
| 误报干扰 | 中 | 创意写作、角色扮演场景可能触发 MEDIUM 级警告 |
| 网络隔离失效 | 中 | Webhook + `bind: 0.0.0.0` 配置错误导致网关暴露 |
安全加固建议
1. 禁用 HiveFence（高敏感环境）：hivefence.enabled: false
2. 最小化日志：include_message: false，定期清理旧日志
3. 网关绑定 loopback：配合 polling 模式使用，或 Tailscale VPN 替代公网暴露
4. 文件权限：chmod 700 ~/.clawdbot/ + chmod 600 clawdbot.json
5. 令牌轮换：任何疑似暴露立即通过 @BotFather 撤销并重置