Transformer论文作者重造龙虾，Rust搓出钢铁版，告别OpenClaw裸奔漏洞

84 0 0

文章摘要

原本热门的AI智能体框架OpenClaw存在严重安全问题，其架构设计存在原生缺陷，用户的邮箱凭证、API密钥等敏感信息会直接送入大语言模型提供商的服务器，用户所有个人及雇主数据，哪怕未明确授权的信息，都可能被服务商员工访问，同时还存在一键式远程代码执行、提示注入攻击、恶意技能窃取密码等诸多漏洞。目前超过25000个缺乏充分安全控制的OpenClaw公开实例暴露在互联网中，被安全专家称为安全灾难。Transformer的共同作者Illia Polosukhin作为OpenClaw的早期使用者，认可其改变了人机交互方式，但认为便利不能以个人和雇主的安全隐私为代价，因此从零重构了安全版本的AI智能体框架IronClaw。该项目现已在GitHub开源，提供macOS、Linux、Windows多系统安装包，支持本地部署与云端托管，目前处于快速迭代阶段，已有可用版本开放下载。

IronClaw采用Rust语言完全重写，建立了四层纵深防御安全架构，这套设计中最关键的一点是大模型本身永远接触不到原始凭证，只有当智能体需要与外部服务通信时，凭证才会在网络边界被注入。四层防御分别为：Rust语言自带的内存安全保证，可从根源消除缓冲区溢出等传统漏洞；WASM沙箱隔离，将所有第三方工具与AI生成代码限制在独立容器内运行，严格控制恶意代码的破坏范围；采用AES-256-GCM加密存储的凭证保险库，每条凭证都绑定限定使用范围的策略规则；依托硬件级隔离的可信执行环境，即使云服务商也无法访问用户的敏感信息。即便大模型被提示注入攻击试图向外发送用户凭证，凭证存储层也会直接拒绝请求、记录日志并向用户发出警报。

针对社区担忧IronClaw走红后是否会重蹈OpenClaw的覆辙，Illia Polosukhin回应称架构已从根本堵住了OpenClaw的核心漏洞，待核心版本稳定后，团队还将开展红队测试与专业安全审查。对于提示注入这一业界公认难题，目前IronClaw采用启发式规则检测，未来计划部署可持续更新的小型语言分类器识别攻击模式，应对这类攻击仍需更多研发，欢迎社区贡献方案。部署层面，纯本地部署存在设备离线就停止运行、移动端能耗过高等局限，机密云是兼顾隐私保障与持续运行需求的最优折中方案，还支持用户自定义安全策略，例如跨境旅行时自动添加额外防护。IronClaw是NEAR Protocol“用户自有AI”战略的核心运行时层，该战略愿景为让用户完全掌控自身数据与资产，目前已经搭建了AI云平台、去中心化GPU市场、智能体雇佣市场等配套基础设施。AI智能体是人类与线上一切交互的终极界面，发展的同时必须把安全做好。