AgentWard · 玄甲OS

AgentWard (玄甲) est un système d'exploitation de sécurité full‑stack conçu pour le déploiement fiable et évolutif d’agents IA, avec une adaptation de code native à OpenClaw. AgentWard unifie l’intégration des agents, le raisonnement sécurisé et l’exécution de confiance en une architecture de sécurité cohérente, avec un support natif à venir pour d’autres frameworks d’agents grand public. Sa conception hétérogène de défense en profondeur reconçoit le flux de travail de l’agent en cinq couches de sécurité coordonnées couvrant le démarrage, la perception, la mémoire, la prise de décision et l’exécution, avec des protections dynamiques inter‑étapes qui vérifient l’intégrité de la base, bloquent la tromperie adverse, empêchent la falsification de la mémoire et valident chaque décision autonome et commande à haut risque — une boucle de sécurité fermée complète de bout en bout qui tient la promesse de « digne de confiance dès la conception, contrôlable tout au long du processus, et fiable dans les résultats ». Si vous trouvez ce dépôt utile, veuillez citer notre article sur la conception de l’architecture AgentWard :

@misc{zhang2026agentwardlifecyclesecurityarchitecture,
      title={AgentWard: A Lifecycle Security Architecture for Autonomous AI Agents}, 
      author={Yixiang Zhang and Xinhao Deng and Jiaqing Wu and Yue Xiao and Ke Xu and Qi Li},
      year={2026},
      eprint={2604.24657},
      archivePrefix={arXiv},
      primaryClass={cs.CR},
      url={https://arxiv.org/abs/2604.24657}, 
}

Pourquoi AgentWard

🛡️ Couverture complète des risques — L’architecture hétérogène de défense en profondeur (DiD) offre une assurance de sécurité complète pour les agents, bloquant divers vecteurs d’attaque sur toute la surface d’attaque de l’agent.
⚡ Déploiement en un clic — Conception native de plugin qui intègre la sécurité de manière native dans le cycle de vie complet de l’agent. Activez la sécurité complète de l’agent en un clic grâce à une intégration non intrusive, garantissant une adaptation rapide et sans faille de version pour OpenClaw.
🔒 Contrôles déterministes au niveau système — Offre des contrôles déterministes, entièrement audités et renforcés par le code, surpassant les solutions basées sur les compétences qui reposent sur une sécurité endogène, avec un support natif pour un déploiement à grande échelle et une préparation à la production.
🌐 Norme de sécurité ouverte et extensible — Norme ouverte communautaire, transparente et vérifiable, avec une architecture modulaire conçue pour l’extensibilité. Construite avec un découplage complet framework‑algorithme pour une intégration sans effort d’algorithmes de détection avancés, avec une feuille de route pour étendre le support à des systèmes agentiques généraux.

Démarrage rapide

⚡ Installation ou mise à jour

# Exécuter le script d'installation
bash /path/to/agent-ward/setup.sh

✅ Vérifier l’installation
```
openclaw plugins list
```
Profitez ensuite d’une sécurité renforcée pour votre OpenClaw !

Architecture systématique

AgentWard est intégré nativement et profondément à la plateforme OpenClaw et intègre des capacités de sécurité natives dans le flux de travail complet du cycle de vie des agents IA. Son architecture hétérogène de défense en profondeur reconstruit des vérifications de sécurité isolées et ponctuelles en un système de protection fermé et coordonné au niveau système, offrant une garantie de confiance de bout en bout et sur toute la chaîne pour les agents IA, du démarrage à l’exécution.

AgentWard Blueprint

Cinq couches de défense coordonnées

AgentWard offre une sécurité au niveau système grâce à cinq couches étroitement intégrées qui travaillent de concert — transformant les vérifications de sécurité isolées en un système de protection unifié de bout en bout pour les agents IA.

Couche	Objectif

🚨 Réponse aux menaces et atténuation

📢 Envoyer des messages d’alerte via messagerie instantanée lorsque des menaces sont détectées
🛑 Bloquer automatiquement les opérations dangereuses sans intervention humaine
📝 Descriptions d’avertissement claires pour aider à comprendre les risques

⚙️ Configuration flexible

🎚️ Chaque couche de protection peut être activée/désactivée indépendamment
👁️ Prend en charge le mode « détection uniquement » pour réduire l’impact des faux positifs
📋 Certaines couches prennent en charge des règles personnalisées pour répondre à des scénarios spécifiques

Feuille de route

🏆 Système de sécurité complet de bout en bout

Notre feuille de route est structurée autour d’une architecture de défense multicouche conçue pour sécuriser l’ensemble du cycle de vie de l’agent, de la configuration et du traitement des entrées à la cognition, la prise de décision et l’exécution.

📐 Cadre d’infrastructure système

✅ Architecture modulaire native de plugin
✅ Suite d’adaptateurs de base
✅ Moteur de détection principal
- ✅ Module de détection basé sur des règles heuristiques
- ✅ Système d’évaluation des risques d’intention
- 🚀 Capacités d’évaluation des risques basées sur la confiance
🚀 Support de systèmes d’exploitation hétérogènes
- ✅ Linux
- 🚀 macOS
- 🚀 Windows

🏗️ Couche d’analyse fondamentale

✅ Vérifications de sécurité de la configuration globale et au niveau des plugins
✅ Détection sémantique de compétences malveillantes
🚀 Vérification de la source des compétences
🚀 Analyse des dépendances des plugins
🚀 Détection hybride de vulnérabilités dans le langage naturel et le code

🧼 Couche d’assainissement des entrées

✅ Détection d’injection et de jailbreak basée sur des règles
✅ Analyse de cohérence sémantique pour les entrées utilisateur
✅ Détection d’instructions malveillantes fragmentées
🚀 Détection d’attaques furtives multi‑tours
🚀 Réécriture et remplacement sécurisés de contenu malveillant
🚀 Détection d’attaques par injection multimodale

🧠 Couche de protection cognitive

✅ Évaluation et calibrage de la cohérence de la mémoire
🚀 Construction d’un corpus de mémoire malveillante et correspondance des menaces
🚀 Vectorisation de la mémoire et détection des anomalies
🚀 Récupération de mémoire basée sur des points de contrôle
🚀 Détection et correction de la dérive contextuelle

🎯 Couche d’alignement des décisions

✅ Validation de la cohérence entre les décisions de l’agent et l’intention de l’utilisateur
🚀 Filtrage par règles statiques et vérification de conformité
🚀 Audit de raisonnement de trajectoire multi‑étapes
🚀 Attribution dynamique de permissions adaptative aux risques
🚀 Identification d’actions à haut risque et réécriture sécurisée

🔧 Couche de contrôle d’exécution

✅ Interception et blocage en temps réel des instructions système à haut risque
✅ Analyse du comportement intentionnel et évaluation des risques
🚀 Contrôle dynamique des permissions basé sur l’identité et restriction d’accès
🚀 Validation de sécurité avant exécution des actions de l’agent
🚀 Rollback et récupération automatiques des états d’exécution anormaux
🚀 Observabilité au niveau système basée sur eBPF
- 🚀 Surveillance des ressources en temps réel et restriction adaptative
- 🚀 Audit des paquets réseau et détection des anomalies

🤝 Collaboration inter‑couches

✅ Agrégation globale d’informations et découverte des risques
🚀 Profilage de confiance basé sur l’historique des comportements
🚀 Notation des risques tenant compte des rôles et attribution dynamique des permissions
🚀 Propagation des marques et audit système de bout en bout

Légende : ✅ Terminé | 🚀 En cours

Remerciements

Nous tenons à remercier tous les contributeurs de ce dépôt. Ils sont Qi Li, Xinhao Deng, Yixiang Zhang, Jiaqing Wu, Yue Xiao, Rennai Qiu, Zhuoheng Zou, Jiaqi Bai, Jiaxing Song, et Ke Xu.

AgentWard

Populaires