专为本地 AI Agent (如 OpenClaw) 设计的高级安全审查工具。

对比同类工具 (如 akhmittra/skill-security-auditor):

• ✅ 23 条检测规则 (vs 对方 20 条)，覆盖 MITRE ATT&CK 威胁框架
• ✅ 上下文感知: 区分代码示例 vs 真实恶意指令，大幅降低误报率
• ✅ 递归目录扫描: 自动遍历 .md, .sh, .py, .js 等所有风险文件
• ✅ Docker 沙盒生成: 一键为可疑 Skill 创建物理隔离运行环境
• ✅ 本地 LLM 审计: 对接 Ollama API，用 70B 大模型逐行 Review 代码
• ✅ 零外部依赖: 纯 Python 标准库，自身不引入任何供应链风险

ai-skill-sentinel/
├── sentinel.py          # 核心扫描引擎 (v2.0)
├── rules.json           # 威胁情报数据库 (23 条规则)
├── SKILL.md             # OpenClaw 技能定义文件
├── _meta.json           # 技能元数据
└── README.md            # 本文档

python3 sentinel.py /path/to/some-skill/SKILL.md

python3 sentinel.py /path/to/some-skill/

python3 sentinel.py /path/to/suspicious-skill/ --sandbox

这会在目标目录下生成:

• Dockerfile.sandbox — 极简化的隔离容器
• docker-compose.sandbox.yml — 一键启动的沙盒配置

启动沙盒:

docker compose -f docker-compose.sandbox.yml run sandbox

# 先确保 Ollama 已运行并下载了模型
ollama pull llama3:8b

# 然后运行带 LLM 的审计
python3 sentinel.py /path/to/skill/ --llm

# 指定更强的模型 (适用于 128GB 内存的机器)
python3 sentinel.py /path/to/skill/ --llm --model qwen2:72b

C01: 提权尝试 (sudo, chmod +s, setuid)
C02: 反弹 Shell (nc, /dev/tcp, mkfifo)
C03: 敏感路径扫描 (SSH 密钥, 浏览器密码, KeyChain)
C04: 静默远程执行 (curl | bash)
C05: Base64 隐藏载荷
C06: 动态代码执行 (eval, exec, new Function)
C07: 已知恶意 C2 服务器 IP (ClawHavoc 攻击特征)
C08: ClawHavoc 假安装包

H01-H07: 可疑二进制下载、SSH 密钥操作、加密货币钱包、
         环境变量窃取、定时任务注入、DNS 隧道、进程注入

M01-M05: 文件写操作、网络监听端口、子进程生成、文件权限修改、打包操作

S01-S03: 紧迫催促语言、虚假权威声明、恐吓战术

这是本工具对比同类最大的技术优势。

传统扫描器看到 curl | bash 就报警，但如果这段文字出现在 Markdown 的代码块 (```) 中作为文档示例，就不应该被判定为高危。

Sentinel v2.0 会：

1. 预先标记 Markdown 文件中所有代码块的行号范围
2. 当检测到匹配时，判断该匹配是否在代码块内
3. 如果在代码块内，将该规则的风险分自动降至 1/3

这大幅降低了误报率 (False Positive)，让您不会因为文档里写了一个教程示例就被吓得不敢安装。

本工具基于启发式分析和模式匹配。它可以拦截绝大多数常见恶意脚本，但无法 100% 防御顶尖骇客编写的高度混淆代码。请始终保持人工审核终端命令的习惯。始终保持怀疑。

MIT License