OpenClaw 熱潮未減，甚至讓 AI 代理進入執行力的新境界。然而，背後隱藏資訊安全隱憂。思科在今年 1 月已發出相關警告，最新推出開源工具 Skill Scanner，上載 Github 開源，為企業檢驗 OpenClaw 的 Skill 是否安全。
思科指出，像 OpenClaw 的 AI 代理框架，雖然功能強大，但本質上卻是雙面刃。由於這些代理具備自主行動能力，若遭受惡意攻擊或被植入有害指令，極有可能在用戶不知情下，存取敏感檔案、執行惡意程式，甚至滲透企業內部網絡。對於企業網絡安全而言，這種「黑盒」式運作實是噩夢，需監測 AI 到底擁有多大的權限與能力。
Skill Scanner：為 AI 建立「能力清單」
為應付這風險，思科 AI 防護團隊在 GitHub 上載開源工具 Skill Scanner。核心理念是「透明度」與「可控性」，能自動掃描並分析 AI 代理的技能（Skills），具體定義該代理具備哪些操作權限。
簡單來說，Skill Scanner 像是 AI 代理的「體檢表」，開發人員或安全團隊可以藉此了解該 AI 能夠存取哪些系統資源、能夠執行哪些功能。這有助於在部署 AI 代理之前，先行識別並修補潛在的權限濫用漏洞，讓 AI 的行為符合安全規範。
不過，思科還是強調 Skill Scanner 的先天不足：
- 「無發現」不代表「無風險」：掃描結果顯示無發現，並不保證該技能是絕對安全、良性或無漏洞，僅表示工具未檢測到已知威脅模式，開發人員切勿視為安全認證。
- 檢測覆蓋範圍不完整：雖然該工具結合特徵比對（YARA）、LLM 語義分析及行為數據流分析，但沒有任何自動化工具能涵蓋所有攻擊技術。
- 存在誤報與漏報：無論是基於規則的比對還是基於 LLM 的分析，誤報與漏報始終無法完全避免。
- 無法取代人工審查：Skill Scanner 僅是深度防禦策略的一部分。對於高風險或生產環境的部署，必須配合人手審查程式碼或威脅建模（Threat modeling）才能確保安全。
- 依賴特定配置與參數：該工具的效能依賴掃描策略（Scan policy）的設定。若配置過於寬鬆或對風險容忍度設定不當，將直接影響檢測結果的有效性，使用者需根據自身承受風險能力作調校。
