使用 openclaw security 確保你的 Bot 安全無虞

寫程式最怕的就是功能跑起來了，但安全性卻像個篩子。你可能也遇過這種情況：專案上線後才開始擔心權限設定會不會太寬鬆，或是擔心 AI 模型在執行工具時會不會不小心存取到不該看的資料。這種焦慮通常來自於「不知道哪裡有漏洞」。

openclaw security 就是為了幫你解決這些問題而設計的。它能自動掃描你的設定，找出那些你可能忽略的安全隱患。

需要準備的東西

• 已經安裝並設定好的 openclaw 環境

快速開始

要檢查你的專案安全性，只需要執行 audit 指令。這就像是幫你的 Bot 做體檢：

# 基礎安全審查
openclaw security audit

# 執行深度檢查
openclaw security audit --deep

# 執行審查並自動修復發現的問題
openclaw security audit --fix

審查重點

這個工具主要會幫你檢查兩個關鍵部分：

1. DM 隔離機制：如果你在 shared inboxes 中讓多個 DM 傳送者共用同一個 main session，這會產生安全風險。工具會建議你改用更安全的模式，例如 session.dmScope="per-channel-peer"。
2. 模型沙箱 (Sandboxing)：當你使用較小的模型（<=300B）並開啟了 web 或 browser 工具時，如果沒有配置 sandbox，系統會發出警告，避免模型在不受控的環境下執行指令。

疑難排解

以下是審查過程中常見的警告與解決方法：

• 問題：收到 DM Session 安全警告 當多個使用者共用 session 時容易發生資料混淆。 解決方案：在設定中將 session.dmScope 改為 "per-channel-peer"。如果是多帳號頻道，請使用 "per-account-channel-peer"。

• 問題：小模型缺乏 Sandboxing 警告 對於 <=300B 的模型，直接使用網路工具會有風險。 解決方案：請務必為這些模型配置 sandboxing 環境，或是在執行 web/browser 工具時加上安全限制。

如果你對設定還有疑問，可以直接詢問 AI Setup Assistant。

下一步

• Security 完整指南：深入了解如何保護你的 Gateway 與資料安全。