（1378期）clawhub-skill-scanner – AI 技能供应链安全守门员

AI 技能供应链安全守门员 基于 ClawHavoc 安全事件开发的防御性扫描工具，纯 Python 标准库实现，安装前自动检测恶意代码模式，零依赖零网络，保障 AI 技能供应链安全。 使用说明 核心用法 clawhub-skill-scanner 是一款专为 AI 技能市场设计的安装前安全审计工具。用户通过 python3 scripts/scan_skill.py /path/to/skill 即可对目标技能目录进行深度静态分析，支持 JSON 输出和 --install-if-safe 自动化集成模式。该工具被设计为强制前置检查环节，在 clawhub install、、手动下载 或 GitHub 来源技能` 安装前自动触发，阻断恶意代码进入系统。 扫描器采用分层检测架构：🔴 CRITICAL 级别直接阻断安装，包括反向 Shell、Curl-Pipe-Bash、凭证窃取、数据外泄、恶意域名、持久化机制、命令注入和代码混淆等 8 大类威胁模式；🟡 WARNING 级别标记需人工复核的异常行为，如原始套接字、动态编译、文件删除等。工具刻意避免对正常 API 调用、环境变量访问等常见模式误报，确保真实威胁脱颖而出。 显著优点 零攻击面设计：仅依赖 Python 标准库（os/re/sys/json/argparse/pathlib 等），无外部包引入供应链风险；纯只读扫描不执行、不修改被检测文件，自身即是最安全的实现范式。 精准威胁建模：直接响应 2026 年 ClawHavoc 事件（341 个恶意技能大规模供应链攻击），检测规则针对 AI 技能场景特化，涵盖 ClawdBot 凭证文件等专属攻击目标。 工程化集成友好：提供退出码约定（0 为安全）、JSON 输出、Bash 包装脚本示例，可无缝嵌入 CI/CD 和 pre-install hook，实现自动化安全门禁。 风险量化决策：独创 0-100 分评分体系，将 CRITICAL 与 WARNING findings 加权计算，输出 SAFE/CAUTION/DANGER/BLOCKED 四级行动建议，降低安全运营认知负担。 潜在缺点与局限性 检测能力边界：基于正则表达式的静态分析无法应对高度混淆的恶意代码、零日漏洞或运行时动态加载的威胁；对多态攻击和加密载荷的识别能力有限。 误报与漏报权衡：为减少噪音而收窄的 WARNING 规则集，可能导致某些边缘场景下的威胁遗漏；文档代码示例中的危险命令模式也可能触发误匹配。 规则更新依赖：威胁模式库需持续维护以跟进新型攻击技术，当前版本未体现自动更新机制，用户需主动关注版本迭代。 T3 来源信任成本：个人开发者账号发布虽代码透明，但缺乏组织背书和长期维护承诺，企业级部署需评估作者持续投入意愿。 适合的目标群体 AI 平台运营方：构建技能市场安全准入体系，防范 ClawHavoc 类供应链攻击重演 企业 AI 治理团队：建立内部技能白名单机制，满足合规审计要求 开发者与 DevSecOps：在技能开发阶段自检，CI/CD 流水线自动化安全卡点 安全意识较强的终端用户：安装社区技能前的自我保护检查 使用风险 性能层面：大规模技能目录的递归正则扫描可能产生 I/O 瓶颈，建议对巨型代码库设置超时或分片策略。 依赖层面：虽当前零外部依赖，但若未来扩展检测能力引入第三方库（如 AST 解析器），需重新评估供应链风险。 运营层面：过度依赖自动化评分可能导致"安全错觉"，BLOCKED 级别外的放行决策仍需结合业务上下文人工判断。 生态层面：作为防御工具，其有效性取决于被扫描技能的配合度——恶意技能可能通过检测对抗技术（规则绕过、分阶段载荷）规避检查。 原始说明 Security gatekeeper for skill installations. MANDATORY before installing any skill from ClawHub, GitHub, or external sources. Performs deep code analysis to detect malicious patterns, credential access, data exfiltration, command injection, and other security risks. Triggers: "install skill", "clawhub install", "new skill", "add skill", "skill from". Always run this BEFORE installation.