33｜威胁模型与安全基线：如何识别 Agent 六大风险并配置个人安全防线？
Henry
你好，我是 Henry，欢迎来到《OpenClaw 核心原理与实战》。
前面两个演练场中，我们完成了 OpenClaw 的两个核心能力：使用（演练场一：配置驱动的多 Agent 管理）和开发（演练场二：Skill、Plugin、协作系统）。演练场三将重点讲解给系统装上安全防护。
AI Agent 和普通程序的根本性区别就是 Agent 能执行操作。一个普通聊天机器人被注入后，最多输出一段错误文字。但一个 AI Agent 被注入后，它会把恶意指令转化为实际操作：删文件、发请求、修改配置。你给它的工具越多，它被利用时能造成的破坏就越大。
本模块共四节课，按安全建设的自然路径递进：
第 33 课：认知风险 → 动手配好个人安全基线
第 34 课：精细化权限 → 配出多角色权限矩阵
第 35 课：运行时防护 → 触发循环检测、攻防演练
第 36 课：企业级部署 → Gateway + 沙箱 + 全量审计
本节课的目标是搞清楚 AI Agent 面临哪些安全威胁，然后动手配好一个安全的个人实例。我们先从一个攻击演示开始，直接看看不设防的 Agent 被攻击时会发生什么，建立直观的风险感知。然后再讲威胁全景和防御架构，最后动手配置防护。
Prompt Injection 攻击体验
在讲理论之前，先感受一下真实的安全威胁，以一个邮件攻击案例详细讲解。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《OpenClaw 核心原理与实战》，新⼈⾸单¥59
《OpenClaw 核心原理与实战》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论