Jeddak AgentArmor：面向 OpenClaw 的运行时意图对齐与全链路行为可信防护方案

团队先针对 OpenClaw（融合 CLI 与 GUI、通过 Skill 机制扩展）的运行时架构提出三层空间交互模型：关键实体空间（操作的物理设备与真实界面）、可观测空间（处理的文档、数据、指令）、隐空间（用户意图、AI 工作流、执行程序与环境状态变化的逻辑链条），并据此划分意图偏离、工作流劫持、程序数据流泄漏三类风险。AgentArmor 以轻量级插件化架构嵌入 OpenClaw 的决策与执行流程，构建三大核心校验机制：意图一致性校验（工作流生成阶段解析用户原始需求、场景上下文与历史交互，校验规划与意图的语义一致性，动态校准意图变化）、控制流完整性校验（程序生成与执行阶段构建工作流控制流图并实时比对实际执行轨迹，识别非法跳转、逻辑篡改与未授权工具调用）、数据流机密性校验（贯穿输入—处理—传输全周期，识别并标记身份证号、密钥等敏感数据，追踪流转路径并拦截外泄）。配套三类由业务领域知识结合红队合成数据训练的小尺寸专用模型（意图对齐识别模型、控制依赖识别模型、数据流识别模型），定位为校验者（Checker/Verifier）而非规划者；外围由策略引擎（规则转可执行逻辑、支持动态热更新与优先级调度，无需重启 Agent）与工作流编排（标准化封装校验能力与检测工具、可视化配置）支撑。团队构造数十个典型攻击案例，AgentArmor 对全部案例实现有效识别，代表性案例中记忆投毒的意图异常评分为 97.07 分（anomaly_score 0.9707），SKILL 投毒被判为「恶意注入导致低完整性工具调用高完整性工具」的完整性违规，动车时刻表场景下的 PII 外发被判为工作流劫持＋数据外泄并拦截。