揭示自主智能体中的安全威胁与防御架构：OpenClaw 案例研究
密码学与安全
2026-03-16 v1
摘要
大型语言模型 (LLMs) 向自主、工具调用智能体演进，彻底改变了网络安全领域。框架如 OpenClaw 授予 AI 系统操作系统级别的权限，并具备执行复杂工作流程的自主性。这种访问权限创造了前所未有的安全挑战。因此，传统的内容过滤防御已变得过时。本报告对 OpenClaw 生态系统进行全面安全分析。我们系统性地调查其当前威胁 landscape，突出显示关键漏洞，如提示注入驱动的远程代码执行 (RCE)、顺序工具攻击链、情境遗忘以及供应链污染。为系统化阐释这些威胁，我们提出了一种新型三层风险分类法用于自主智能体，将漏洞跨 AI 认知、软件执行和信息系统三个维度进行分类。为解决这些系统性架构缺陷，我们引入了全生命周期智能体安全架构 (FASA)。该理论防御蓝图主张采用零信任智能体执行、动态意图验证和跨层推理-行动关联。基于此框架，我们提出了 Project ClawGuard——我们的持续工程计划。该项目旨在实施 FASA 范式，并将自主智能体从高风险的实验工具转变为可信赖的系统。我们的代码和数据集已在 https://github.com/NY1024/ClawGuard 上提供。
引用
@article{arxiv.2603.12644,
title = {Uncovering Security Threats and Architecting Defenses in Autonomous Agents: A Case Study of OpenClaw},
author = {Zonghao Ying and Xiao Yang and Siyang Wu and Yumeng Song and Yang Qu and Hainan Li and Tianlin Li and Jiakai Wang and Aishan Liu and Xianglong Liu},
journal= {arXiv preprint arXiv:2603.12644},
year = {2026}
}