AI安全何时休:前有OpenClaw后有Claude Code,再有…

近期，AI编程工具Claude Code被曝光‌存在针对中国用户的隐藏后门机制‌。该事件已引发安全担忧，‌阿里巴巴集团宣布自2026年7月10日起全面禁止内部使用‌该工具。

关于隐藏后门后面的具体信息这里就不介绍了，感兴趣的同学可以到网上去查阅。这里想针对在AI领域类似的、屡见不鲜的安全事件谈谈自己的看法。

‌‌AI领域这样的事件不止一次了

距离最近的应该是OpenClaw安全事件，记得在今年3月份，OpenClaw在国内爆火。其火热程度不仅限于AI行业，各行各业都在争相安装、部署。

作为一款agent智能体，OpenClaw在技术上并没有什么突破，它主要是将规划、执行、结果验证等在架构上进行了统一，可以在一个应用中完成任务的端到端执行。

与普通的自动化不同的地方在于，它集成了大语言模型的理解、规划能力，让任务执行的整个过程看上去更加的丝滑，实现了从“自动化”向“自主化”的转变。

但是，OpenClaw执行任务的能力是建立在拥有足够权限的基础上的。

在理解和规划任务的基础上，需要赋予agent智能体足够的权限，它才能顺利的执行下去。因此，理论上它具有操作本地任何信息的能力，在加上其联网能力，信息泄露就成了必然。

正是认识到这一点，我在3月9日发表了：泼凉水：理智点，别把它当作银弹~表示了个人对这一现象的担忧。随后，3月11日工信部也通过官方渠道发布了OpenClaw的安全风险提示。

为什么安全风险屡见不鲜？

据统计，新兴经济体的人民对AI的接受度显著高于发达经济体，其中‌中国、东南亚及南美地区‌表现最为突出。

中国接受度显著高于全球平均‌，职场AI应用率高达93%。其中常态化使用的比例达到50%，且超九成的人看好AI发展前景，对AI的信任和接受程度均处于全球前列。

核心驱动因素

l国家层面的重视‌：国家层面将“人工智能+”上升为顶层战略，配套覆盖算力补贴、消费场景拓展、融资通道放宽的全链条政策，让AI快速渗透到教育、医疗、养老等民生场景，民众能直接感受到技术带来的便利。

l聚焦实用+落地：不是简单的停留在理论层面，而是着眼于解决实际问题，将技术通过普惠化的方式直接匹配民生刚需，解决普通人“用不起、不会用”的痛点，提升了普通大众对新技术的接收度。

l健全的监管体系‌：同步出台相关的AI内容标识、分级分类监管等，在鼓励创新的同时守牢风险底线，增强了普通民众对AI产品的信任度和安全感。

如上驱动因素，使得我们对AI形成了相对较高的接受度，这即是优势但也是风险

由于我们使用的大部分AI产品，其安全风险已经在平台或系统层面进行了规避，普通大众在使用过程中不需要太多关注。所以，大部分人对AI风险并没有太直接的感受。

中美AI差距越来越小，中国在很多方面领先，AI竞争称为新战场

依托于超大规模的应用市场、完整的制造业体系形成的‌极致性价比、全链条落地能力、海量的可落地的商业化场景及开源普惠的生态系统等优势‌，在应用规模、硬件生产、普惠化落地等层面形成了对美的差异化领先优势。

美国想通过各种手段来延缓中国AI的发展速度。在AI产品植入追踪后门，它们可以监控中国开发者的行为以及相关技术的调用情况，在了解具体使用场景的同时，也作为竞争策略的参考。

应对策略

在个人看来，阿里的反应还是有点“后知后觉”。在很多可能涉及AI安全风险方面，我们往往是发现问题了才去被动应对，只有吃一堑才能长一智。对AI安全风险过于“容忍”不仅仅在普通大众中存在，在很多专业组织也存在。

一、从源头管控，建立严格的准入与评估机制

l前期安全审查：在引入任何国外AI模型或工具前，必须进行严格的安全审查与风险评估。

l安全漏洞扫描：重点审查AI供应链中的第三方组件。可采用SBOM（软件物料清单）审计，扫描模型依赖项中的已知漏洞。

l可信验证：模型来源证明、数字签名、模型水印等进行验证。

二、运行时防护：零信任架构与实时监控

l零信任、最小权限原则：严格限制权限，禁止越权操作

l隔离、沙箱：AI系统与核心业务隔离、在沙箱环境运行

l安全网关：部署安全网关，实时监控、过滤恶意指令、监控模型异常行为

三、主动检测：技术手段主动扫描风险点

l后门扫描：部署前、运行中定期进行后门扫描

l红、蓝对抗演练：进行攻防对抗演练，持续进行渗透测试，主动发现潜在漏洞

四、推动国产化替代、自主创新

l核心国产化：涉及核心业务、敏感数据场景，优选国产AI产品

l技术体系自主可控：加大AI芯片、算法和框架的研发投入，实现自主可控

l端到端全链条安全标准：建立从芯片、系统、模等端到端全链条安全标准