（1692期）Skill Defender – 离线零成本 · 恶意技能静态扫描

离线零成本 · 恶意技能静态扫描 离线静态扫描 OpenClaw 技能，检测提示注入、凭证窃取、数据外泄、混淆载荷和后门等恶意模式，零 API 成本。 使用说明 核心用法 Skill Defender 是 OpenClaw 生态的安全基础设施技能，提供基于确定性模式匹配的恶意代码检测能力。核心组件为两个 Python 脚本： scan_skill.py：单技能深度扫描，支持 JSON/人类可读输出，返回 0-3 分级退出码 aggregate_scan.py：批量扫描全部技能，生成结构化聚合报告 扫描触发场景包括：新技能安装、技能更新后、用户主动请求的安全审计。自动检测技能目录路径，无需配置。 显著优点 完全离线零成本：纯标准库实现（Python 3.9+），不调用任何 LLM API，单次扫描 <1 秒，批量 30+ 技能约 30 秒 防御纵深设计：作为 Layer 2 防线，与运行时沙箱形成互补 实用工程细节：内置 allowlist 减少安全技能、认证类技能的误报；支持 --exclude 自定义排除；自检测机制（扫描自身会被标记，符合预期） 清晰的裁决体系：clean / suspicious / dangerous / error 四级判定，对应不同的用户交互策略（放行 / 警告 / 阻断） 潜在缺点与局限性 模式匹配天花板：无法检测零日攻击或高度混淆的多态恶意代码，对语义级漏洞不敏感 误报依赖维护：allowlist 需随生态演进持续更新，新兴技能类型可能触发误报 无运行时防护：静态分析无法捕获动态执行阶段的恶意行为 绕过可能性：确定性规则可被针对性对抗样本绕过 适合人群 OpenClaw 平台管理员与重度用户 企业级部署场景下的安全合规团队 开发并分发第三方技能的创作者（自检用） 常规风险 | 风险类型 | 说明 ||---------|------|| 过度信任 | 用户可能因 "clean" 结果产生虚假安全感，忽视运行时最小权限原则 || 配置遗漏 | 自定义 --skills-dir 时路径错误导致扫描范围不全 || 误报疲劳 | 频繁误报可能使用户习惯性忽略警告，形成"狼来了"效应 | 原始说明 Scans installed OpenClaw skills for malicious patterns including prompt injection, credential theft, data exfiltration, obfuscated payloads, and backdoors. Use when installing new skills, after skill updates, or for periodic security scans. Runs deterministic pattern matching — fast, offline, no API cost.