（2期）Prompt Guard – AI Agent 离线安全防火墙

AI Agent 离线安全防火墙 Prompt Guard 是专为 AI Agent 设计的离线运行时安全防御系统，内置 650+ 攻击模式库，覆盖提示注入、供应链投毒、记忆篡改、权限提升等 12 大威胁类别，支持 10 语言检测与分级响应策略。 使用说明 核心功能与架构 Prompt Guard v3.6.0 是面向 AI Agent 的离线优先安全运行时，采用三层模式分级加载机制（CRITICAL/HIGH/MEDIUM），内置 650+ handcrafted 攻击签名，无需联网即可实现毫秒级威胁检测。其核心架构包含： Pattern Matching Engine：基于 YAML 定义的正则与语义规则，支持 Typo-Tolerant 模糊匹配（v3.4.0+） TieredPatternLoader：动态加载策略，CRITICAL 层常驻内存（~50 模式），HIGH/MEDIUM 按需加载 LRU Hash Cache：SHA-256 指纹去重，实测命中率达 70%+，降低重复计算开销 Output DLP 模块：反向扫描 LLM 输出，检测 PII、云凭证、源代码外泄 显著优势 全离线运行：核心 600+ 模式完全本地，零 API 依赖，满足金融/政务等合规场景 ClawSecurity 对齐：v3.6.0 引入 50+ 行业级攻击签名，覆盖供应链投毒（webhook.site/ngrok 管道）、云凭证窃取、代码外泄等高级威胁 多语言原生支持：英/韩/日/中/俄/西/德/法/葡/越 十种语言注入检测，非翻译补丁 SHIELD 标准输出：12 个标准化分类（prompt/tool/mcp/memory/supply_chain 等），便于 SOC 集成 灵活响应策略：SAFE→CRITICAL 五级动作链，支持 block_notify 等紧急熔断 局限性与潜在风险 | 维度 | 说明 ||------|------|| 检测范式 | 基于签名（Signature-based），对零日攻击（Zero-day）和语义变体（如 GPT-4 级改写）覆盖有限 || 性能边界 | 650+ 正则并发扫描，超长上下文（100k+ tokens）可能产生线性延迟增长 || 依赖风险 | 可选 API 模块若启用，存在密钥泄露与供应链投毒风险（尽管作者声明 beta key 内置） || 误报率 | "Paranoid" 敏感度下，创意写作、安全研究等场景可能触发高误报 || 生态锁定 | HiveFence 威胁情报网络与 ClawSecurity 签名深度绑定，存在供应商依赖 | 适用人群 AI Agent 开发者：构建 MCP/Tool-use 架构时需 runtime 安全层的团队 企业安全工程师：需在私有化部署中满足数据不出域要求的金融、医疗、政务场景 红队/蓝队研究者：需要可审计、可扩展的检测规则基线进行对抗测试 Prompt Engineering 团队：在多语言场景下防御指令劫持与角色扮演攻击 常规风险提示 配置漂移：AGENTS.md/SOUL.md 等认知文件修改尝试已被纳入检测（v3.6.0），但无法阻止 OS 层面的权限提升 Unicode 隐写：Bidi 覆盖字符（U+202A-E）与零宽字符检测已覆盖，但需结合输出渲染层加固 级联放大：子 Agent 无限递归防护依赖 "Cascade Amplification Guard"，实际效果受限于调用链可见性 API 降级：早期访问模式（Early Access）与高级模式（Premium）需外部 API，生产环境建议显式关闭 PGAPIENABLED=false 原始说明 650+ pattern AI agent security defense covering prompt injection, supply chain injection, memory poisoning, action gate bypass, unicode steganography, cascad...