OpenClaw的安全警告已发布,为何是医院为首个受影响的目标?

这一现象背后，折射出医疗行业在数字化转型过程中面临的独特安全挑战。近日，国家互联网应急中心针对OpenClaw发布了详细的安全风险提示，指出该AI Agent工具可能存在恶意代码注入、数据泄露及系统误操作等隐患。多家三甲医院随即在内部网络发出紧急通知，要求全体员工严格禁止在医院任何终端设备或网络环境中部署或使用该工具，并启动专项安全检查。

各行业对同一风险提示的反应存在显著差异，这反映了不同领域在风险承受能力和运维重点上的区别。面对相同的安全风险提示，不同行业的应对方式各异：金融机构首先检查员工是否在办公网络中使用过该工具，并回溯日志以评估潜在影响；互联网公司则优先评估可能受影响的业务模块，测试替代方案；而医院的响应更为果断，许多医院立即发布全院禁令，并明确指出信息中心将实时监控院内网络流量与进程，一旦发现违规部署，即刻切断连接并追究责任。

这种差异并非意味着医院比其他行业更为紧张，而是源于其运营环境的特殊性。更确切地说，医院同时具备了其他行业各自面临的多重风险条件：既像金融机构一样处理大量敏感个人数据，又如工业系统般依赖高可用的实时业务，还兼具互联网公司的技术迭代压力。当这些条件汇聚于同一环境中时，一个看似普通的技术风险便可能被迅速放大，演变为系统性威胁。

从信息安全的角度来看，一个工具是否危险，往往不在于其自身能力有多强，而在于它被引入何种系统环境。外部威胁只有在能够通过内部结构被放大时，才会真正造成损失。医院网络正是这样一个典型场景，其内在脆弱性使得OpenClaw这类高权限工具的风险指数急剧上升。

医院网络的实际状况，是理解这一现象的关键。许多医院的网络安全现状可以概括为：对外防御严密，对内防护宽松。在等级保护合规要求下，大多数三甲医院配备了较全面的外部防御手段，如下一代防火墙、流量清洗设备、网闸和态势感知系统，以抵御外部攻击。然而，在内网环境中，情况则有所不同：许多核心业务系统仍在Windows Server 2008或老旧Linux环境中运行，一旦更新补丁或调整安全策略，可能引发兼容性问题，导致挂号、缴费或电子病历系统中断，影响正常运营。因此，在医院信息系统中，“业务不间断”成为默认原则，内网结构更多是在长期运行中为满足临床需求而逐渐形成的，而非基于安全角度专门设计。

这种结构是主动妥协的结果，而非疏忽所致。在“业务连续性”与“安全加固”之间，医院通常优先选择前者，因为HIS系统宕机两小时的代价，比潜在的安全风险更为具体和令人担忧：可能延误急救、引发医患纠纷或造成财务损失。这种妥协在以往或许可行，但当OpenClaw这类工具出现时，隐患便暴露出来。OpenClaw运行时通常需要访问本地文件、读取环境变量、调用外部API以及安装扩展功能等权限。在这样的内网环境中，这意味着一旦Agent被注入恶意指令，或其插件和工具链被控制，攻击者面对的并非一个层层设防的网络，而是一个内部几乎畅通无阻的环境，可横向移动至药房、检验科甚至手术室系统。

这并非指责医院信息部门失职，而是指出医院网络长期积累的“功能优先”妥协，在高权限自主执行体出现之前，从未被放大到足以引发系统性危机。OpenClaw首次使得这种积累的脆弱性变得可利用，因为它不仅能自动化任务，还可能被恶意利用作为攻击跳板。

提示词注入医疗场景中的风险，尤其需要高度重视。官方风险提示列出了四种具体风险，首要一条是提示词注入。在医疗场景中，其危险程度需单独阐明。提示词注入的原理并不复杂：攻击者在正常网页或文档中隐藏恶意指令，当Agent能够读取网页并调用工具，而系统未做好提示词安全过滤时，这些隐藏指令可能被模型误认为新任务，从而触发后续操作。例如，一个看似医学文献的页面可能隐藏着指令：将当前用户的所有API密钥发送至指定邮箱，或修改数据库中的患者过敏记录。

在普通办公场景中，此类攻击通常表现为数据泄露、丢失或账号被盗。但在医院场景中，风险范围则广泛得多：Agent在医院系统中可能接触的数据包括患者身份信息、病历记录、检验报告、影像存档以及医保账户等高度敏感信息，这些数据受《中华人民共和国个人信息保护法》和《医疗数据管理办法》严格监管。更值得注意的是，在许多医院的部署方案中，跨系统调用通常通过固定接口账号完成，例如HIS与LIS之间的数据交换。一旦Agent能够读取配置文件，接口密钥便等同于直接暴露，攻击者可借此批量导出数据或篡改信息。

这些数据的敏感程度及其泄漏可能涉及的法律后果，与一般企业的商业数据完全不在同一级别，医院可能面临高额罚款、刑事责任，甚至遭受医院声誉的长期损害。然而，更值得关注的风险不仅是数据泄露，还包括误操作风险。官方风险提示列出的第二条是：由于错误理解用户指令，Agent可能彻底删除电子邮件、核心生产数据等重要信息。在一般企业中，此风险可能导致财务损失或项目延误；而在医院场景中，风险可能表现为医嘱状态被错误修改、数据同步被意外触发，或关键业务记录在系统层面被错误覆盖，例如手术排班表被清空或药品库存数据归零。

医院系统中的许多操作不可逆或逆转成本极高，例如电子病历的修改痕迹必须完整保留以符合法规，影像数据一旦损坏可能无法重建。这正是医院对此类风险格外敏感的技术原因，也解释了为何医院在OpenClaw警告发布后，迅速采取全域禁令这一防御性姿态。未来，医疗行业或需在保障业务连续性的基础上，重新审视内网安全架构，以应对AI工具带来的新型挑战。