总安装量 4
评分人数 3
核心用法
Skill Defender 是 OpenClaw 生态的专用安全扫描器，通过确定性模式匹配（非LLM）检测已安装技能中的恶意代码。提供两种运行模式：
- 单技能扫描 ( (
scan_skill.py)：针对特定技能目录进行深度检测，支持JSON/可读格式输出，返回0-3退出码标识安全等级 - 批量扫描 ( (
aggregate_scan.py)：全量审计所有已安装技能，内置白名单机制过滤安全类技能的固有误报，生成聚合报告
自动触发场景覆盖新技能安装、版本更新及周期性安全审计，也可响应用户指令执行定向扫描。
显著优点
1. 零依赖架构：纯Python标准库实现（3.9+），彻底规避供应链攻击风险
2. 极致性能：单技能扫描<1秒，30+技能批量扫描约30秒，无API成本
3. 14类威胁覆盖：从Prompt注入、凭证窃取、RCE到后门、数据外泄、代码混淆等全维度检测
4. 智能白名单：自动识别安全扫描器、认证依赖型技能、配置修改类技能的合法模式，显著降低误报
5. 工程化设计：清晰的退出码体系、输出大小保护（512KB上限）、超时机制（60秒/技能）、路径自动探测
潜在局限
- 模式匹配边界：基于正则的确定性检测可能遗漏新型混淆技术或零日攻击模式，需配合其他安全层
- 误报不可避免：安全文档、配置说明中的示例代码可能触发检测，需人工复核或配置排除规则
- 无行为分析：静态扫描无法捕获运行时动态行为，对加密载荷或环境依赖型后门检测能力有限
- 生态绑定：专为OpenClaw技能结构优化，通用性受限
目标群体
- OpenClaw/Clawdbot 用户：所有安装第三方技能的终端用户，尤其是企业部署场景
- 平台运营者：需批量审计技能仓库安全性的管理员
- 安全研究人员：研究AI Agent供应链攻击的分析师
- 技能开发者：发布前自检代码合规性的创作者
使用风险
- 性能影响：大规模技能库扫描时磁盘I/O密集，建议在低负载时段执行
- 路径遍历误用：扫描器接受任意目录参数，需确保调用方权限管控，避免非授权路径探测
- 结果解读门槛："Suspicious"评级需人工研判，自动阻断策略可能误伤合法技能
- 白名单维护成本：新型安全工具或认证模式需持续更新白名单，否则产生系统性误报
references