企业官网建设流程全解析

Open-Science安全模型：权限、沙箱与凭证的7大信任边界

【免费下载链接】open-scienceAIPOCH Open-Science is an open-source, local-first, model-agnostic AI research workbench for macOS, Windows, and Linux, with scientific agents, Python/R notebooks, data connectors, and reproducible provenance.项目地址: https://gitcode.com/GitHub_Trending/open/open-science

Open-Science（AIPOCH Open-Science）是一款开源、本地优先的 AI 科研工作台，支持 macOS、Windows 和 Linux。它让 AI 智能体帮你检索文献、运行 Python/R 笔记本、连接数据源，但"AI 能帮你干活"的前提是"AI 不能越权干活"。本文带你看清它的 7 大安全信任边界：权限审批、代码沙箱、界面隔离、远程访问控制、外部服务、凭证加密和发布签名，帮助你安全地使用这款 AI 绘图、AI 科研工具。

💡 完整安全说明见 docs/security.md，漏洞报告政策见 SECURITY.md。

边界 1：智能体权限审批系统（Permission Grants）

AI 智能体的每一个"副作用操作"（改文件、调外部工具、发消息）都要先过 Open-Science 的权限系统。权限授予可以限定在会话级、项目级或全局级三种范围，且低风险操作有"安全默认值"，不会频繁弹窗打扰你。

• 默认权限是白名单：只有少数低风险能力（如检索本地文献库）默认放行，源码见 permission-grants/defaults.ts
• 批准即授权：一次批准 = 一次行动授权，批准后建议审查生成的命令、文件变更和外部目标
• 全访问是显式选择：想关掉审批提示，需要用户主动开启，而非默认行为

一句话总结：Open-Science 的默认姿态是"拒绝优先"，而不是"放行优先"。

边界 2：代码与 Notebook 执行沙箱

这是整个安全模型中最硬核的部分。Python、R、REPL、Notebook Bash 和包管理器进程全部走"应用自有的 Notebook 执行路径"，由独立的沙箱包 packages/notebook-network-sandbox/ 提供进程级隔离：

沙箱的关键设计（详见 notebook-network-sandbox/README.md）：

1. 网络默认拒绝：私有地址、元数据地址直接拒绝且不弹窗；只有用户批准的公共域名才能出站
2. 文件系统写默认拒绝：主目录等敏感根目录默认隐藏，只有显式声明的根目录才可访问
3. 环境变量白名单：Provider Token、云凭证等敏感变量不会跨进程传入沙箱
4. 逐进程随机凭证：每个命令拿到独立的代理凭证，进程间无法复用彼此的批准

⚠️ 注意：Windows 默认是"标准模式"（兼容控制，非硬隔离），需手动开启保护模式后才构成真正的网络边界。

边界 3：桌面渲染与预览隔离

Open-Science 基于 Electron，渲染层堆叠了多层纵深防御：上下文隔离（context isolation）、渲染进程沙箱、受限的 preload 桥、默认拒绝的 Chromium 权限、导航守卫和 CSP 内容安全策略。文件与源码预览额外使用受约束的 frame 和应用协议。

这意味着：即使某个预览内容试图执行脚本或跳转危险页面，也会被多重机制拦住。相关实现在 src/main/renderer-csp.test.ts 等文件中可找到对应约束。

边界 4：本地 Web 服务与远程访问

除了桌面界面，Open-Science 还提供可选的本地 Web UI，其安全姿态非常克制：

• 默认只绑定127.0.0.1，不监听外网
• 远程浏览器访问是显式开启功能，走 HTTPS 路由 + 六位数配对请求 + 授权客户端审批
• 服务令牌由 web-service/auth.ts 生成，随机 32 字节、文件权限0o600存放

受信浏览器应像"账号会话"一样定期审查和吊销。

边界 5：模型、Connector 与外部服务

"本地存储"不等于"离线运行"。模型请求、网页搜索、Connector 调用、OAuth 流程和远程作业，都会把完成任务所需的内容发给选定的第三方。这里有两个容易误解的点：

• 只读 Connector 也会发数据：查询词、DOI/PMID 标识符、筛选条件都会发送到源端服务；元数据查询不等于上传你的本地 PDF
• 取消 ≠ 撤回：停止请求只能阻止后续工作，无法收回已被服务商接收的字节；删除本地会话也不会通知模型服务商删除其副本

官方建议：在项目内容、模型输出、下载文件、Skills、Specialist 包、自定义 Connector、MCP 服务器和远程计算主机上，一律"先审查、再信任"。

📌 场景模型（标题生成、视觉理解）可能使用不同的 Provider 端点，请在设置中核对 Provider 名称和端点。

边界 6：本地数据与凭证加密

你的数据放在哪里、密钥如何保护，是信任的基石：

• ~/.open-science：设置、应用数据库、会话状态、权限记录、Provider 配置、Skills
• ~/OpenScience：产物、上传文件、Notebook 与工作区数据（可在设置中迁移根目录）

凭证保护方面（secure-storage.ts）：

• API Key、Connector 密钥、OAuth 状态、GitHub Token、计算密码，默认全部用 ElectronsafeStorage加密，底层由操作系统安全存储托管
• Linux 上若安全后端不可用（如未保护的basic_text模式），直接拒绝写入新密钥，而不是悄悄降级
• 显式的文件回退模式（--credential-store=file）存的是 base64，不是加密，且永远不会被自动选择

💼 实践建议：对研究数据有静态保护需求的设备，请开启全盘加密。

边界 7：发布分发与供应链

最后一个边界在"安装之前"。稳定版发布包含：

• SHA-256 校验和（SHA256SUMS.txt），可逐字节比对安装器
• 签名 SLSA 构建溯源声明，把安装器字节与该仓库的构建流程和 commit 绑定

校验步骤详见 SECURITY.md。同时提醒：只从官方发布渠道下载安装器，Skills、Specialist 包、自定义 Connector 和远程计算配置也请只安装你信任的来源。

总结：7 大边界一图流

Open-Science 的设计哲学可以概括为一句话：每一条边界都写进了文档，每一个默认值都朝"更保守"的方向倾斜。对新手来说，只要记住三件事——批准前先看一眼、Windows 记得开保护模式、密钥永远走系统级加密——你就能安全地享受这款开源 AI 科研工作台带来的便利。

📖 延伸阅读：docs/security.md（安全模型全文）、ROADMAP.md（安全加固路线图）

【免费下载链接】open-scienceAIPOCH Open-Science is an open-source, local-first, model-agnostic AI research workbench for macOS, Windows, and Linux, with scientific agents, Python/R notebooks, data connectors, and reproducible provenance.项目地址: https://gitcode.com/GitHub_Trending/open/open-science