信息来源： RUC人工智能治理研究院 发布日期：2026年4月9日

在小说阅读器中沉浸阅读

OpenClaw的现实安全风险

王文轩

中国人民大学信息学院讲师

人工智能治理研究院研究员

OpenClaw作为一个能听懂自然语言、自主调用工具、完成多步骤复杂任务的AI助手。它可以对接Gemini等大模型，支持终端操作、聊天界面交互，还能设置定时任务、后台心跳执行，实现7×24小时自动化运行，不用用户一直盯着。

其具有个性化agent的三个核心安全特性：

1、持续运行与长程交互

2、积累用户隐私信息

3、调用高权限工具

这三点核心特性放大了安全风险，使得它的安全风险从大语言模型的“非期望文本生成” 升级为“不安全操作执行”、“隐私资产泄露”，且攻击可跨阶段传播、长期留存。持续运行意味着攻击影响会不断累积，掌握私有信息意味着隐私泄露代价巨大，高权限工具则让攻击者有机可乘——一旦被操控，后果远不止 “生成错误内容”，而是真实的隐私窃取、资产损失、系统被篡改。如今，这类个性化 AI 代理正走进金融、医疗、日常办公等场景，它的安全风险越来越值得我们的关注。

随着OpenClaw爆火，其安全事件层出不穷。例如，Cisco 扫描了 31,000 个 Skill，发现超过四分之一存在安全漏洞；ClawHacvoc大规模恶意Skills投毒，一旦用户执行恶意安装步骤，攻击者便可获取 SSH 密钥、浏览器密码、加密货币钱包私钥、云服务 API 密钥等敏感数据；Meta 安全专家在测试OpenClaw 时，因 AI 处理大量邮件时遗忘 “未经确认不得操作” 的安全约束，批量删除其 200 多封工作邮件。为此，国家信息安全漏洞库（CNNVD）发布通报，2026年1月到3月9日，共采集到82个OpenClaw漏洞，存在极大的安全隐患。

OpenClaw风险范围示意图

OpenClaw安全风险场景

在一项研究中，来自西电的研究团队围绕个性化 AI 的真实使用场景，设计了三大测试场景，几乎覆盖了日常使用这类OpenClaw的所有情况，而OpenClaw在每个场景中，都暴露出了明显的脆弱性。

场景 1：访问外部内容时，恶意指令会 “悄悄潜入”

我们经常需要从网页、社区帖子或外部文档获取信息，而这些渠道也可能成为攻击者的突破口。即便你的操作本身完全无害，文档中隐藏的恶意指令也可能被无意间执行，导致系统采取错误操作。

例如，攻击者可能在普通网页中嵌入隐蔽指令，当系统读取这些内容时，可能会自动调用“发送邮件”功能，将敏感文件发往指定邮箱，或者运行未知程序，对设备造成潜在威胁。

场景 2：长期存储的记忆成“定时炸弹”

个性化AI的一大优势是有“长期记忆”，通常会保存用户的操作历史和偏好，这在提升体验的同时，也带来了安全隐患。攻击者可以通过“记忆投毒”，将恶意内容写入系统的长期存储，即使攻击结束，这些内容仍可能在后续操作中被触发，持续影响系统行为。

研究发现，长期存储的信息更容易被提取，意味着隐私泄露风险更高。同时，攻击者还可能修改系统记忆中的标记，使其在执行正常任务时违背用户意图，例如擅自修改文件或更改账户权限，这种影响甚至会跨会话持续存在。

场景 3：过度信任工具返回结果，风险链条放大

系统对各种插件、工具或外部服务的返回信息往往默认信任，这给了攻击者可利用的机会。通过篡改工具返回内容，攻击者可以植入恶意指令，诱导系统执行不安全操作。

例如，系统调用“数据导出”工具后，如果返回内容被篡改，可能进一步触发“云盘上传”等操作，将敏感数据上传到攻击者服务器，从而形成一条连锁攻击链。

自主智能体的三维分类法

OpenClaw风险分类

过往研究将OpenClaw安全具体分成三个维度，从人工智能与认知维度，软件与执行维度到信息与系统维度，具体阐述了OpenClaw各类风险的理论风险要素和实际观测到的漏洞情形。

OpenClaw的三层风险分类及实际风险情形

第一层：AI与认知风险

这类风险源于大模型自身的认知缺陷，不是代码bug，而是模型本身“脑子不清醒”，模型在理解、执行指令时的逻辑漏洞，防不胜防。

上下文/语义处理缺陷：典型问题就是指令遗忘。AI在处理大量信息时，会因为上下文压缩，丢掉提前设置的安全约束，比如你明明禁止它删除重要文件，它却因为遗忘了安全规则，直接清空收件箱、删掉关键数据。

输入净化失效：在执行工具进行浏览网页、读取文档时，Agent会被隐藏在HTML文本、PDF里的恶意指令诱导，不知不觉执行本地数据窃取操作，产生可能偷偷把你的隐私文件打包外发的危险行为。

状态/内存完整性漏洞：攻击者可能通过向量数据库植入恶意规则，使Agent记忆有“毒”，长期遵循不安全指令，形成潜在的“长期内鬼”，影响系统安全。

第二层：软件与执行风险

这一层是OpenClaw最核心的架构缺陷，运行环境完全不隔离，权限失控，攻击者轻易就能突破。

运行时隔离缺失：OpenClaw执行如果没有沙箱保护，相当于直接在你的电脑上裸奔，没有容器化隔离，一旦被控制，攻击者就能获得和你一样的系统权限，掌控整个设备，相当危险。

工具/API滥用：Agent的工具组合使用能力会被利用，攻击者使用序列式工具攻击链，单个操作看似无害，比如压缩文件、发起网络请求，但组合起来，Agent就能用系统自带的Shell、HTTP工具，打包窃取你的私密密钥（比如id_rsa私钥），导致隐私泄露。

供应链污染：OpenClaw支持安装第三方拓展技能，因此攻击者可以试图上传未审计的恶意技能，伪装成实用工具，在安装后控制你的设备发起攻击。

第三层：信息与系统风险

涉及数据存储、账号权限的基础安全，OpenClaw一样存在安全隐患。

认证与授权漏洞：存在CVE-2026-25253（ClawJacked）高危漏洞。通过操纵网关URL，就能窃取登录令牌，实现远程代码执行，直接接管整个OpenClaw代理。

数据机密性失守：API密钥、Agent的思考过程、中间处理数据，如果存储在未加密的文件里，任何人拿到文件，都能直接查看你的核心隐私和账号凭证。

总结

像OpenClaw这样的个性化智能助手未来必将深度地融入工作和生活，而真正可靠的系统，需要在研发、部署、运行的每个环节都把安全作为核心设计原则。只有这样，系统才能成为高效的助手，而不是潜在的安全隐患。

OpenClaw的问题反映了一个普遍趋势：当系统具备自主决策和执行能力时，带来的便利也伴随着新的风险。我们必须清楚认识到，能力的扩展同时意味着风险边界的扩大，但自主化不意味着放任，而是要在安全框架下释放价值。

未来，随着自主智能体系统在各行各业的广泛应用，安全将成为其规模化部署的前提。只有正视潜在风险，才能确保AI技术发展稳健、可持续。