开源，也能影响世界！

原创

腾讯朱雀实验室
腾讯朱雀实验室

腾讯安全应急响应中心

2026年10月9日 19:24
广东

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

两年前，A.I.G开源发布时，只做一件事，检测内网AI基础设施。

随着AI和安全的逐步演化，我们陆续加入了大模型越狱、大模型安全评测、Agent、MCP、SKILL的检测。这一个场景接一个场景长起来的开源项目，正在被更多人使用。

近日，OpenClaw 官方博客宣布，A.I.G加入了 ClawHub 的安全审核（https://openclaw.ai/blog/tencent-aig-joins-clawscan）。上传到 ClawHub 的 Skill 和插件，在安全审核中将经过 A.I.G 的检查。

如果开发者上传的skill包含恶意内容，官方会针对A.I.G给出的检测结果做出警告、下架等处罚。

Skill 安全迫在眉睫

OpenClaw 是目前全球最大的开源 Agent 生态，ClawHub 是其中的 Skill 市场。今年 2 月，Koi Security 审计了当时 ClawHub 上全部 2857 个 Skill，发现 341 个是恶意的，其中 335 个出自同一场攻击，被命名为 ClawHavoc，这些恶意Skill会偷钥匙串密码、浏览器数据、加密货币钱包和 SSH 密钥。两周后 Koi 更新数据，市场里的 Skill 已有 1 万多个，恶意的涨到了 824 个。ClawHub随后接入了安全扫描，但攻击方式也在跟着变。

攻击方式从传统投毒到改变AI输出内容，在A.I.G的扫描案例中，这样的攻击已经发生很多次。

1、某视频提示词生成skill偷偷上传用户密钥

2、某购物Skill会将商品换成推广链接

3、远控后门欺骗

Skill描述中是一个\"分布式状态恢复工具\"，但实际skill描述中会诱导执行控制者命令。

文档里写了什么，代码实际做了什么，必须放在一起检查。

今年 6 月，OpenClaw 官方公开过一组数据。他们用多种检测手段扫描了 6.7 万个 Skill 版本，两两之间的重合度最高只有 10.4%。每种手段看到的风险各不相同，单一检测能力覆盖不全，引入更多独立的检测能力互相补充，是更可靠的做法。

互补要有价值，新的扫描器得发现已有检测漏掉的风险。传统的恶意软件扫描已经相对成熟，难的是识别 Agent 层面的风险，比如一个 Skill 的说明写的是一套，脚本实际做的是另一套。A.I.G 的 Skill 扫描器针对的正是这一点，它把说明和背后的脚本、依赖、数据流统一处理，覆盖指令劫持、记忆污染、远程载荷执行、越权访问、持久化、不安全依赖等九类风险。下面是具体结果。

混元4（hy4-preview），很惊艳

混元4（hy4-preview）作为 A.I.G Skill 扫描器的底座模型，在两套公开的 Skill 安全评测集上都取得了最高成绩。在 MalSkillBench 的 13 个受测系统中排名第一，在 MaliciousSkillBench 的六个底座模型组合中居首。

MalSkillBench 共 7944 个测试样本。同一套 A.I.G SkillScan 扫描器、同一份测试集，搭配 gpt-5.4-mini 时 F1 为 85.6%，换成 hy4-preview 后提升到 97.3%，召回率 99.1%，误报率 5.5%。

再看 MaliciousSkillBench。它考察的是检测对陌生来源 Skill 的识别能力，1384 个测试样本的来源与基准的训练集不重叠。在这项测试中，A.I.G SkillScan 搭配 hy4-preview 的 Macro-F1 达到 0.850，在六个底座模型组合中居首。

同一套扫描器，底座从混元3 换成混元4，Macro-F1 从 0.717 提升到 0.850。模型每进一步，这套检测能力的上限就抬高一步。但一个好底座只是其中一环，这套能力能走到今天，靠的是很多人在不同位置上的投入。

一套开源能力，背后是多方共同投入

开源能影响多远，需要时间来验证，但一份公开的代码，确实走进了另一个开源社区的发布审核。今天的 A.I.G，已经成长成一套完整的 AI 红队平台，检测能力覆盖AI基础设施、大模型越狱、大模型安全评测、Agent、MCP、SKILL等AI安全基本场景。

从业务接入、威胁分析到公开评测，多方共同投入，让这套开源能力有了今天的积累。

来自不同业务的使用需求，也让检测接触到了更多样的风险场景。参与 Agent 平台和业务应用建设的产品团队，把检测接入各自的使用场景，让 Skill 在上架或上线前先接受检查。参与业务安全与 Skill 平台建设的团队，如腾讯音乐、游戏、广告、支付的安全团队，将 A.I.G 用于外部 Skill 的筛查。

在威胁判定上，科恩实验室提供了独立的判定来源，让检测结论有了第二个视角。

在样本积累上，微信安全团队和参与定向排查的业务安全团队贡献了高价值样本，让检测看到了更隐蔽的风险。

在公开评测上，香港中文大学（深圳）参与共建了 SkillTrustBench，5520 个样本、九类风险，数据集已在 Hugging Face 公开，让检测效果可以被复测。

成为OpenClaw的官方安全合作伙伴充分彰显了朱雀实验室在智能体安全领域的技术先进性和国际影响力，为智能体开源社区的健康发展贡献了腾讯力量，期待与朱雀携手做出更多有影响力的工作！

吴保元，香港中文大学（深圳）人工智能学院终身副教授、助理院长（科研）

感谢每一位社区开发者的“星火”，让A.I.G开始走向更大的舞台。

A.I.G：专注大模型LLM、Agent、MCP、Skill 及 AI 基础设施安全

（开源地址：https://github.com/Tencent/AI-Infra-Guard/）。

⬇️点击下方阅读原文，马上体验！提 Issue、参与贡献、顺手点个 Star ⭐

关于腾讯朱雀实验室

腾讯朱雀实验室（Tencent Zhuque Lab）是腾讯安全平台部于 2019 年成立的顶尖 AI 安全实验室，专注于 AI 安全领域的实战攻防与前沿技术研究，研究方向涵盖大模型安全、AI 智能体安全、AI 赋能安全与 AI 生成检测等领域。团队多次协助英伟达、谷歌、微软等知名厂商以及OpenClaw、Linux、Huggingface等开源社区修复大量高危漏洞，并获得官方公开致谢。先后推出开源 AI 红队安全测试平台 A.I.G（AI-Infra-Guard）及朱雀 AI 检测助手等AI安全产品。研究成果广泛发表于 Black Hat、DEF CON、ICLR、CVPR、NeurIPS、ACL 等国际顶级安全与 AI 学术会议，并出版专著《AI 安全：技术与实战》。