OpenClaw 技能平台引发安全担忧，随着 AI 代理采用的加速

最新研究表明，OpenClaw 的技能扫描系统不是一个安全的边界。发布第三方技能仍然是 AI 代理创建和使用中的一个问题。 

根据最新的安全专家研究，OpenClaw 技能仍然构成安全威胁，最近的技能扫描系统不是一个安全的边界。技能扫描已被提议作为技能发布者的网关，旨在拦截潜在恶意数据负载或技能本身的恶意元素。 

正如 Cryptopolitan 在 6 月报道，第三方服务已经构成了安全风险，而 AI 代理的采用正在加速并加剧了这个问题。 

OpenClaw 允许用户创建代理并在本地机器或服务器上运行它们。然而， 技能 与 OpenClaw 并列，并可能继承对资源和工具的相同访问权限。由于某些技能涉及敏感任务，如钱包访问或链上交互，第三方发布的技能集仍然是一个风险。 

OpenClaw 如何检查技能是否存在恶意意图？ 

最新研究表明，Clawhub 使用 VirusTotal 以及 OpenClaw 的内部审核系统。这些检查的结果对技能进行分类，并在安装期间设置用户警告。 

该系统仍然不完善，可能会判定无害甚至潜在有害的技能。当 VirusTotal 将技能标记为可疑，而 OpenClaw 将其标记为良性时，就会出现一个问题。用户会收到警告，但仍可能确认技能安装。完全标记为恶意的技能不允许下载。 

OpenClaw 还提供沙箱化和运行时控制，但这些是可选的，并不构成第三方技能的硬性默认边界。OpenClaw 将基于 Docker 的沙箱化设为可选，并且一些工具在关闭时仍然可用。 

用户也选择直接路径，因为沙箱环境可能难以部署，并且一些技能会崩溃。这也意味着该平台依赖于评论和警告，这是一个在运行代理技能时不直接提供保护的系统。 

OpenClaw 能捕获恶意技能吗？ 

OpenClaw 已经实施了一些安全措施，包括检查与读取秘密并发送它们的 catch 代码相关的行为。这种方法用于传统安全中，以检测可疑进程、请求和其他行为。 

AI 代理技能更难扫描，因为输入涉及代码和自然语言指令，以及运行时行为。传统安全可能对代理行为存在盲点。

下一层是使用 AI 扫描来捕获静态搜索或通常的正则表达式方法未能捕获的更多高风险行为。AI 代理可以提供技能内部一致性的瞥见，同时不穷尽利用潜力的可能性。它们搜索最明显的可利用代码或一般不一致性。 

研究人员指出，OpenClaw 的检查 and 审核系统快速批准技能，而 VirusTotal 有时需要几天才能标记添加。也有可能将利用添加到已批准的技能中。这意味着 OpenClaw 流程可以宣称技能是良性的，尽管它们可能包含意外行为。 

对于 AI 代理开发人员，研究人员建议进行沙箱化或使用工具来防止技能运行，即使它们被标记为良性。研究人员呼吁技能平台假设看似正常的技能可能隐藏利用，并避免在高价值环境中使用它们，这些环境可能授予对加密货币钱包或其他敏感信息的访问权限。