AI 代理推理式入侵检测系统，支持隔离阻断与人工审核，防止提示词注入与恶意指令执行。
说明：
## 核心用法
hopeIDS 是一款面向 AI Agent 生态的推理型入侵检测系统（IDS），通过实时扫描入站消息识别潜在威胁。系统采用三级处置策略：**ALLOW**（正常放行）、**WARN**（注入安全警告后继续处理）、**BLOCK**（严格模式下完全阻断）。配置层面支持全局默认策略与精细化按代理（per-agent）覆盖，可针对不同业务场景（如公开扫描器 vs 核心主代理）设定差异化风险阈值。
关键工作流：`Message → autoScan() → 风险评分 → 决策分支`。阻断时生成仅含元数据的隔离记录，并通过 Telegram Bot 向管理员推送可操作的审核告警（`/approve`、`/reject`、`/trust` 命令），实现最小权限原则下的人工介入。
## 显著优点
1. **零内容残留设计**：阻断消息不进入代理记忆系统（jasper-recall），隔离记录剔除原始内容，仅保存哈希与模式匹配摘要，降低数据泄露与对抗样本复现风险。
2. **人机协同闭环**：Telegram 告警基于结构化元数据拼接，无 LLM 参与生成，避免告警链路本身成为攻击面；审核命令影响未来行为，不复活已阻断消息，语义清晰。
3. **弹性策略架构**：支持 `strictMode` 开关、0-1 连续风险阈值、按代理独立配置，兼顾高敏感场景的偏执防御与常规场景的可用性平衡。
## 潜在局限
– **检测能力边界**：依赖正则与关键词模式匹配（如 `ignore.*instructions`），对语义变形、编码绕过、多模态隐写等高级对抗样本覆盖有限，尚未披露是否集成 LLM-as-Judge 或 embedding 相似度检测。
– **运维复杂度**：Telegram Chat ID、风险阈值、代理映射需手动维护 JSON 配置，缺乏可视化策略编排界面；`trustOwners` 等白名单机制若配置不当易引入特权绕过。
– **生态锁定**：与 OpenClaw 框架深度耦合，独立部署或迁移至其他 Agent 平台需适配成本。
## 适合人群
– 运营多租户/多角色 AI Agent 的中高阶开发者
– 对提示词安全（Prompt Security）有合规要求的 B2B SaaS 团队
– 已采用 OpenClaw 生态并需要开箱即用隔离方案的技术组织
## 常规风险
| 风险类别 | 说明 |
|———|——|
| 误报导致业务中断 | 高敏感阈值下正常指令被阻断，需建立 `/approve` 快速申诉与再教育流程 |
| 审核延迟 DoS | Telegram 告警依赖外部 Bot 链路，网络抖动或速率限制可能导致阻断消息堆积 |
| 配置漂移 | 多代理阈值分散在 JSON 中，版本迭代时易出现策略不一致 |
| 元数据推断攻击 | 隔离记录虽无原始内容，但 `patterns` 与 `intent` 标签可能泄露系统检测规则，需限制记录访问权限 |
会员专属
