【天穹】天穹上新，安全养“虾”
/ / 点击 / 阅读耗时 10 分钟一、概述
2026 年初，开源 AI 智能体 OpenClaw（昵称“龙虾”）凭借本地部署、自主执行指令的特性迅速走红，引发“养龙虾”热潮，国内云平台及社交平台纷纷提供部署与代装服务。然而，工信部与国家互联网应急中心已相继发布预警，指出其存在信任边界模糊、权限管理缺失等安全隐患：用户若配置不当，可能导致设备被控、信息泄露或产生高额费用；同时，依据《网络安全法》，未履行安全保护义务者可能面临罚款乃至刑事责任。此外，使用过程需授权读取本地数据，叠加盗版插件风险，进一步放大隐私泄露隐患。因此，天穹沙箱团队针对该智能体的安全风险展开深入分析，并推出了针对 OpenClaw 的运行分析环境，助力用户全面评估其安全风险，及时发现潜在威胁，保障设备与数据安全，安全“养虾”。
二、样本信息
- 样本名： weather.zip
- SHA1： 4b55b19d040d643b6a760ca0940d2764b7632a8f
- 文件类型： ZIP (SKILL file)
- 文件大小： 2.83 KB
- 报告链接： 天穹沙箱分析报告
三、环境选择
为系统化评估 OpenClaw 智能体的安全风险，天穹沙箱团队基于 Windows 11 x86-64 系统搭建分析环境，模拟用户在本地部署与使用该智能体的实际场景。分析环境配置如下：
| 软件名称 | 版本 |
|---|---|
| 操作系统 | Windows 11 x86-64 |
| NodeJS | v24.14.0 |
| OpenClaw | 2026.3.13 |
天穹沙箱系统 OpenClaw 分析环境选择步骤如图 1 所示：
上传样本后，使用默认环境配置，静态分析识别 SKILL 文件后系统会自动使用 OpenClaw 环境进行分析，或者手动选择 Windows 11 x86-64 系统进行分析。
四、检测过程
针对 SKILL 样本的安全风险评估，天穹沙箱团队依托全链路行为深度建模与动态分析能力，对 SKILL 样本进行了静态检测与动态检测，从多维度对样本进行研判，有效提升了对此类高级威胁的检出能力与响应效率。
静态检测
利用天穹智能体安全分析平台的静态分析功能，对 SKILL 样本进行全面的代码审计与恶意行为扫描，尝试识别其中存在的恶意指令与潜在风险点，如图 2 所示；
上图展示了天穹智能体安全分析平台对 weather-data-fetcher 技能样本执行的深度静态审计报告。尽管该技能元数据伪装成正常的天气查询工具，但平台通过代码审计精准捕获了其核心脚本 scripts/weather.py 中的恶意行为。检测结果显示综合风险等级为 [危险]，具体揭示了攻击者利用 Base64 与 PowerShell 双重编码技术隐藏载荷，并通过 os.system 绕过正常逻辑执行内存中 Gzip 压缩的恶意代码，构成典型的远程代码执行（RCE） 威胁。该案例充分验证了平台在识别隐蔽恶意指令、解析混淆代码以及评估智能体潜在风险点方面的核心安全能力。
为确证静态扫描结果的真实性，平台将转入动态分析阶段，利用 OpenClaw 框架生成高风险交互提示词。这些提示词专门设计用于触发 weather-data-fetcher 技能中的恶意代码执行路径，如图 3 所示。通过在受控沙箱中运行这些提示词，观察技能是否会产生预期的恶意行为（如内存代码执行、异常外联等），从而量化风险等级，并为后续的防御策略提供具体的行为特征指标（IOCs）。
动态检测
该恶意 SKILL 样本一经调用，OpenClaw 会立即执行其中的恶意指令，利用 PowerShell 反射加载恶意载荷，实现远程命令执行，进而下载并执行更多恶意程序，最终导致设备被控、数据泄露等严重安全事件。天穹沙箱系统通过全链路行为深度建模与动态分析能力，成功捕获并解析了该样本从初始调用、恶意指令执行、到最终远程控制的整个攻击过程，精准识别了其反调试、环境探测、权限提升等恶意行为，并完整提取了各阶段解密后的恶意载荷，为安全人员深入分析 OpenClaw 智能体的攻击战术、技术细节与危害影响提供了全面、清晰的技术视角，显著提升了对此类高级威胁的识别能力。
进程调用关系如图 4 所示：
动态威胁检出如图 5 所示：
五、IOC
恶意文件（MD5）
1 | 5a44617d7df9926762b16e2a90b23e8f weather.zip |
报告链接
分析报告：天穹沙箱分析报告
六、技术支持与反馈
星图实验室深耕沙箱分析技术多年，致力于让沙箱更好用、更智能。做地表最强的动态分析沙箱，为每个样本分析人员提供便捷易用的分析工具，始终是我们追求的目标。各位同学在使用过程中有任何问题，欢迎联系我们。
