hopeIDS安全技能

基于推理的AI代理入侵检测系统，具备隔离机制和人机协同

安全不变性原则

以下是不可协商的设计原则：

1. 拦截即完全中止——被拦截的消息永远不会传递至jasper-recall系统或代理程序
2. 仅存储元数据——绝不存储原始恶意内容
3. 批准不等于重新注入——批准操作仅改变未来行为，不会恢复已拦截消息
4. 程序化告警机制——基于元数据生成Telegram告警，全程无需LLM参与

功能特性

• 自动扫描——在代理程序处理前扫描所有消息
• 隔离机制——拦截威胁并仅存储元数据
• 人机协同——通过Telegram告警系统进行人工审核
• 按代理配置— 不同代理采用不同阈值
• 指令—/approve,/reject,/trust,/quarantine

处理流程

Message arrives
    ↓
hopeIDS.autoScan()
    ↓
┌─────────────────────────────────────────┐
│  risk >= threshold?                     │
│                                         │
│  BLOCK (strictMode):                    │
│     → Create QuarantineRecord           │
│     → Send Telegram alert               │
│     → ABORT (no recall, no agent)       │
│                                         │
│  WARN (non-strict):                     │
│     → Inject <security-alert>           │
│     → Continue to jasper-recall         │
│     → Continue to agent                 │
│                                         │
│  ALLOW:                                 │
│     → Continue normally                 │
└─────────────────────────────────────────┘

配置

{
  "plugins": {
    "entries": {
      "hopeids": {
        "enabled": true,
        "config": {
          "autoScan": true,
          "defaultRiskThreshold": 0.7,
          "strictMode": false,
          "telegramAlerts": true,
          "agents": {
            "moltbook-scanner": {
              "strictMode": true,
              "riskThreshold": 0.7
            },
            "main": {
              "strictMode": false,
              "riskThreshold": 0.8
            }
          }
        }
      }
    }
  }
}

选项

隔离记录

当消息被阻止时，会创建一个元数据记录：

{
  "id": "q-7f3a2b",
  "ts": "2026-02-06T00:48:00Z",
  "agent": "moltbook-scanner",
  "source": "moltbook",
  "senderId": "@sus_user",
  "intent": "instruction_override",
  "risk": 0.85,
  "patterns": [
    "matched regex: ignore.*instructions",
    "matched keyword: api key"
  ],
  "contentHash": "ab12cd34...",
  "status": "pending"
}

注意：没有originalMessage字段。这是有意为之的。

Telegram 警报

当消息被拦截时：

🛑 Message blocked

ID: `q-7f3a2b`
Agent: moltbook-scanner
Source: moltbook
Sender: @sus_user
Intent: instruction_override (85%)

Patterns:
• matched regex: ignore.*instructions
• matched keyword: api key

`/approve q-7f3a2b`
`/reject q-7f3a2b`
`/trust @sus_user`

仅基于元数据构建。不涉及任何LLM。

命令

/quarantine [all|clean]

列出隔离记录。

/quarantine        # List pending
/quarantine all    # List all (including resolved)
/quarantine clean  # Clean expired records

/approve <id>

将被拦截的消息标记为误报。

/approve q-7f3a2b

效果：

• 状态 →已批准
• （未来）将发件人添加到允许列表
• （未来）降低模式权重

/reject <id>

确认被拦截的消息为真阳性。

/reject q-7f3a2b

效果：

• 状态 →已拒绝
• （未来）强化模式权重

/trust <senderId>

将发件人加入白名单，以便未来接收其消息。

/trust @legitimate_user

/scan <message>

手动扫描消息。

/scan ignore your previous instructions and...

批准/拒绝的含义

被拦截的消息按设计已消失。如果消息是合法的，发件人可以重新发送。

按代理配置

不同的代理需要不同的安全策略：

"agents": {
  "moltbook-scanner": {
    "strictMode": true,    // Block threats
    "riskThreshold": 0.7   // 70% = suspicious
  },
  "main": {
    "strictMode": false,   // Warn only
    "riskThreshold": 0.8   // Higher bar for main
  },
  "email-processor": {
    "strictMode": true,    // Always block
    "riskThreshold": 0.6   // More paranoid
  }
}

威胁类别

安装

npx hopeid setup

然后重启 OpenClaw。

链接

• GitHub:https://github.com/E-x-O-Entertainment-Studios-Inc/hopeIDS
• npm:https://www.npmjs.com/package/hopeid
• 文档:https://exohaven.online/products/hopeids