如何用 Ruflo AIDefence 扫描用户输入中的提示注入威胁？-酒店常州论坛

如何用 Ruflo AIDefence 扫描用户输入中的提示注入威胁？

【免费下载链接】ruflo🌊 The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo

如果你的 AI 应用会接收用户提交、API 载荷或 webhook 数据，这些内容在重新进入 LLM 提示之前必须先过一道威胁扫描，否则提示注入、越狱和角色劫持类文本可能直接改变模型行为。Ruflo 提供 AIDefence（AI Manipulation Defense System）来完成这件事：它内置 50+ 检测模式，覆盖指令覆盖（instruction override）、越狱（jailbreak）、角色切换（role switching）、上下文操纵（context manipulation）和编码攻击（encoding attack），并对检测到的威胁给出严重级别、置信度和缓解建议。本文给出两条文档中的操作路径：用@claude-flow/cli的security defend子命令做命令行扫描，以及在 Ruflo 插件环境中按插件契约使用aidefence_*MCP 工具做逐条检查。

前提条件：

命令行路径只需要能运行npx @claude-flow/cli；自适应学习引擎@claude-flow/aidefence是可选依赖（Node.js 18+、TypeScript 5.3+），未安装时 CLI 会回退到内置确定性扫描引擎，并在输出中提示Using built-in defense engine (install @claude-flow/aidefence for adaptive learning)。
插件路径需要先安装ruflo-aidefence插件，且宿主 CLI 锁定在@claude-flow/cliv3.6 major+minor（见插件 README 的 Compatibility 一节）。

使用 CLI 扫描单条输入

最短主路径是直接对一段用户输入运行 defend 命令：

npx @claude-flow/cli security defend -i "ignore previous instructions"

-i, --input传入待扫描文本。其他可用参数（来自 security 命令实现）：

-f, --file：改为扫描一个文件，例如批量提示文件npx @claude-flow/cli security defend -f ./user-prompts.txt；
-Q, --quick：快速扫描模式，只做威胁布尔判断，更快但信息更简略；
-l, --learn：启用学习模式，默认开启（true），配合@claude-flow/aidefence学习引擎使用；
-s, --stats：不执行扫描，直接显示检测统计；
-o, --output：输出格式，text（默认）或json。

文本模式下，安全输入会输出No threats detected；发现威胁时按严重级别（[CRITICAL]、[HIGH]等）逐条列出威胁类型、描述和置信度，并对 critical 级威胁给出推荐缓解策略。@claude-flow/aidefence的 README 给出了一个文档示例输出（示例结果，实际数值以你的输入为准）：

🛡️ AIDefence - AI Manipulation Defense System ─────────────────────────────────────────────────────── ⚠️ 2 threat(s) detected: [CRITICAL] instruction_override Attempt to override system instructions Confidence: 95.0% [HIGH] jailbreak Attempt to bypass restrictions Confidence: 85.0% Recommended Mitigations: instruction_override: block (95% effective) jailbreak: block (92% effective) Detection time: 0.042ms

用 JSON 输出判断扫描结果

在脚本或管道中使用时，加-o json得到结构化结果，便于程序化处理：

npx @claude-flow/cli security defend -i "test" -o json

JSON 输出包含四个字段（字段定义见 CLI defend 子命令实现）：

{ "safe": true, "threats": [], "piiFound": false, "detectionTimeMs": 0.0 }

判定规则是safe为真且piiFound为假时命令以退出码 0 结束，检测到威胁或 PII 时以退出码 1 结束——因此可以直接在 CI 或网关脚本中用退出码决定是否放行该输入。piiFound表示输入中还发现了邮箱、SSN、API key 等敏感数据，这在提示注入之外同样需要处理（例如脱敏或隔离后再入库）。

查看检测统计

扫描若干输入后，用--stats检查累计统计：

npx @claude-flow/cli security defend --stats

统计框展示 Detection Count、Avg Detection Time、Learned Patterns、Mitigation Strategies 和平均缓解有效率。启用学习模式并持续反馈检测结果后，Learned Patterns 会增长，这是学习引擎在工作的一种观察方式（参见 AIDefence 库 README 的 Self-Learning 一节）。

可选分支：在 Ruflo 插件流程中使用 MCP 工具

如果你的目标是把扫描嵌入 Ruflo 代理工作流，而不是命令行批处理，先安装插件：

/plugin marketplace add ruvnet/ruflo /plugin install ruflo-aidefence@ruflo

插件暴露 6 个aidefence_*MCP 工具：aidefence_scan、aidefence_analyze、aidefence_stats、aidefence_learn、aidefence_is_safe、aidefence_has_pii。safety-scan 技能给出的处理顺序是：

aidefence_is_safe做布尔安全检查；
aidefence_analyze获取威胁分类与置信度详情；
aidefence_scan做多层完整扫描；
aidefence_learn用已确认的威胁训练检测；
aidefence_stats查看检测率与误报指标。

插件契约（ADR-0001）进一步定义了所有处理不可信内容的插件应遵循的 3-gate 模式，顺序固定：

#	门禁	工具	时机
1	Pre-storage PII	`aidefence_has_pii`	任何 AgentDB /`memory_store`写入之前——先脱敏或隔离再持久化
2	Sanitization	`aidefence_scan`	针对 cookie、token、高熵内容——放入不透明句柄而非内嵌原始值
3	Prompt-injection	`aidefence_is_safe`	任何提取文本重新进入 LLM 提示之前——命中则隔离到`findings.md`

此外，插件提供/aidefence命令作为状态与统计仪表盘（调用aidefence_stats，展示总扫描数、威胁数、误报率和 PII 检测数，见命令定义）。

检测覆盖方面，aidefence@2.3.0起的第 3 道门禁（aidefence_is_safe）会标记三类输入：修饰词窗口 0..4 的提示注入（如ignore all previous instructions、disregard the system prompt）、角色劫持（you are now …、act as …）和越狱标记（DAN mode、developer mode等），详见插件 README 的 "What the gates catch" 表格。

验证插件契约是否完整

插件自带结构化的 smoke 测试作为契约验证手段，在仓库根目录运行：

bash plugins/ruflo-aidefence/scripts/smoke.sh

预期输出为10 passed, 0 failed。它检查插件元数据版本与关键词、6 个aidefence_*工具是否都在文档中引用、CLI v3.6 兼容性钉选、3-gate 模式文档、防御纵深段落（loader-hijack 拒绝名单、文件模式 0600/0700、静态加密 opt-in）以及技能 frontmatter 完整性。任一项失败时输出以非零退出码结束。

适用条件与限制

插件与宿主 CLI 版本钉选：@claude-flow/cliv3.6 major+minor，不满足时不要混用插件 MCP 工具面。
security defend的学习模式（--learn默认开启）只有在安装了@claude-flow/aidefence时才生效；未安装时使用内置确定性引擎，无自适应学习。
性能指标（检测约 0.04ms、单线程吞吐 >12,000 requests/秒）来自 AIDefence 库 README 的基准表，属于库的自报数据，可作为量级参考，不应写进你自己的 SLA 预期。
插件的security-patternsAgentDB 命名空间由该插件独占，不得与pattern、claude-memories、default等保留命名空间冲突。

完成一次端到端验证：对一条正常输入和一条含ignore previous instructions的输入分别运行security defend -o json，确认前者safe: true、后者safe: false且threats中给出instruction_override类条目，即可说明扫描链路在你的环境中工作正常。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析