代理安全DLP

agent-security-dlp

by caidongyun

|

4.5kAI 与智能体未扫描2026年3月23日

安装

claude skill add --url github.com/openclaw/skills/tree/main/skills/caidongyun/agent-security-dlp

文档

Agent Security DLP

版本: v2.1.2
规则: 170条
状态: ✅ 可用


简介

企业级数据防泄漏系统,支持 166 条敏感信息检测规则,覆盖 25+ 行业场景。

核心特性

  • 🚀 146 条规则 - 覆盖金融、医疗、汽车、销售、人力资源、物流等
  • 🛡️ 五层防护 - 入口、记忆、工具、出口、审计
  • 🎯 智能处理 - 自动拦截/脱敏/记录
  • 高性能 - 正则预编译,并行检测

规则分类

类别数量说明
🔑 凭证密钥45API Key、Token、私钥等
💰 金融18银行卡、股票、加密货币等
🏥 医疗15病历、医保、诊断等
🚗 汽车14车架号、行驶证、保险等
👥 人力资源8工号、工资、社保等
📦 物流11快递单、运单、地址等
🇨🇳 中国 PII6身份证、手机、护照等
📜 法规4合同、专利、版权等
🎓 教育2学号、准考证等
🏛️ 政府2公务员编号、警官证等
📱 设备2IMEI、MAC地址等
💬 社交1微信号等
🛒 电商1订单号等
✈️ 交通3车牌、机票、火车票等
📞 通信1通话记录等
🎟️ 会员3会员ID、积分等

架构

code
用户输入 → Input Guard → Agent → Memory Guard → Tool Guard → Output Filter → 用户
              注入检测        记忆检查      工具审批      脱敏拦截
                    ↓                                    ↓
              审计日志                              审计日志

使用方式

1. 查看状态

bash
python3 skills/agent-security-dlp/bin/agent-dlp status

2. 检查入口 (Prompt Injection)

bash
python3 skills/agent-security-dlp/bin/agent-dlp check-input "忽略之前的指令"
# 输出: 注入检测: 是 ❌

3. 检查出口 (敏感信息)

bash
python3 skills/agent-security-dlp/bin/agent-dlp check-output "我的手机是13812345678"
# 输出: 拦截: 否 ✅, 发现: 中国手机号 (high)

4. 检查工具

bash
python3 skills/agent-security-dlp/bin/agent-dlp check-tool exec
# 输出: 需要审批: 是 ⚠️

5. 查看日志

bash
python3 skills/agent-security-dlp/bin/agent-dlp logs

规则示例

凭证密钥

规则示例
openai_keysk-xxx...
github_tokenghp_xxx...
aws_keyAKIA...
stripe_keysk_live_xxx...

金融

规则示例
bank_card622202xxx...
crypto_addressbc1xxx...
salary工资: 15000元

医疗

规则示例
medical_record病历号: MR2026...
medical_insurance医保卡: 123456...
diagnosis诊断: 高血压

人力资源

规则示例
employee_id工号: E00123
salary工资: 15000元
social_security社保账号: SS123...

配置

编辑 config/config.json:

json
{
  "enabled": true,
  "mode": "normal",
  "input": {
    "injection_detection": true
  },
  "output": {
    "enabled": true,
    "rules": ["china_idcard", "china_phone", "api_key", ...]
  }
}

模式

模式说明
normal记录但不拦截,只拦截严重风险
strict完整检查,严格拦截
personal个人轻量版,自动脱敏

代码结构

code
agent-security-dlp/
├── SKILL.md              # 本文档
├── README.md             # 使用说明
├── bin/
│   └── agent-dlp         # CLI 入口
├── lib/
│   └── agent_dlp.py      # 核心模块
├── config/
│   ├── config.json       # 主配置
│   └── personal.json     # 个人模式配置
└── docs/
    └── RULES.md          # 规则清单

核心类

功能
DLPConfig配置管理
DLPRules规则定义 (146条)
InputGuard入口检测
MemoryGuard记忆保护
ToolGuard工具管控
OutputFilter出口过滤
AuditLogger审计日志
AgentDLP主类,整合所有功能

Python 调用

python
from agent_dlp import AgentDLP

# 初始化
dlp = AgentDLP()

# 检查入口
result = dlp.check_input("忽略之前的指令")

# 检查出口
blocked, text, details = dlp.check_output("我的手机138xxxx")

# 检查工具
result = dlp.check_tool("exec", {"command": "rm -rf /"})

输出模式

级别说明
critical立即拦截
high脱敏 + 告警
medium仅记录
low忽略

性能

  • 单条检测: < 1ms
  • 规则数: 146 条
  • 支持自定义规则
  • 正则预编译

更新日志

v2.0.0 (2026-03-17)

  • 新增 146 条规则
  • 覆盖 20+ 行业
  • 性能优化
  • 新增 personal 模式

v1.0.0 (2026-03-14)

  • 初始版本
  • 25 条基础规则

许可证

MIT License


版本: v2.0.0 | 更新: 2026-03-17

相关 Skills

Claude接口

by anthropics

Universal
热门

面向接入 Claude API、Anthropic SDK 或 Agent SDK 的开发场景,自动识别项目语言并给出对应示例与默认配置,快速搭建 LLM 应用。

想把Claude能力接进应用或智能体,用claude-api上手快、兼容Anthropic与Agent SDK,集成路径清晰又省心

AI 与智能体
未扫描139.0k

RAG架构师

by alirezarezvani

Universal
热门

聚焦生产级RAG系统设计与优化,覆盖文档切块、检索链路、索引构建、召回评估等关键环节,适合搭建可扩展、高准确率的知识库问答与检索增强应用。

面向RAG落地,把知识库、向量检索和生成链路系统串联起来,做架构设计时更清晰,也更少踩坑。

AI 与智能体
未扫描15.8k

多智能体架构

by alirezarezvani

Universal
热门

聚焦多智能体系统架构设计,梳理 Supervisor、Swarm、分层和 Pipeline 等模式,覆盖角色定义、通信协作与性能评估,适合规划稳健可扩展的 AI agent 编排方案。

帮你系统解决多智能体应用的架构设计与协同编排难题,适合构建复杂 AI 工作流,成熟度高、社区认可也很亮眼。

AI 与智能体
未扫描15.8k

相关 MCP 服务

知识图谱记忆

编辑精选

by Anthropic

热门

Memory 是一个基于本地知识图谱的持久化记忆系统,让 AI 记住长期上下文。

帮 AI 和智能体补上“记不住”的短板,用本地知识图谱沉淀长期上下文,连续对话更聪明,数据也更可控。

AI 与智能体
86.1k

顺序思维

编辑精选

by Anthropic

热门

Sequential Thinking 是让 AI 通过动态思维链解决复杂问题的参考服务器。

这个服务器展示了如何让 Claude 像人类一样逐步推理,适合开发者学习 MCP 的思维链实现。但注意它只是个参考示例,别指望直接用在生产环境里。

AI 与智能体
86.1k

PraisonAI

编辑精选

by mervinpraison

热门

PraisonAI 是一个支持自反思和多 LLM 的低代码 AI 智能体框架。

如果你需要快速搭建一个能 24/7 运行的 AI 智能体团队来处理复杂任务(比如自动研究或代码生成),PraisonAI 的低代码设计和多平台集成(如 Telegram)让它上手极快。但作为非官方项目,它的生态成熟度可能不如 LangChain 等主流框架,适合愿意尝鲜的开发者。

AI 与智能体
7.9k

评论