（4032期）skill-defender – AI技能生态的离线安全卫士

AI技能生态的离线安全卫士 OpenClaw官方安全扫描工具，纯离线模式匹配检测恶意技能，零依赖、秒级扫描，为AI Agent生态提供Layer 2防御层。 使用说明 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 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 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 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 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 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 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.