Ein passives Überwachungs- und Warnsystem, das entwickelt wurde, um Versuche der Wissensdestillation bei KI-Modellen zu erkennen und zu melden.
Installieren & Herunterladen
1. ClawHub CLI
Der schnellste Weg, einen Skill direkt aus der Registry zu installieren.
npx clawhub@latest install omg
2. Manuelle Installation
Kopiere den Skill-Ordner an einen dieser Orte
~/.openclaw/skills/ <project>/skills/ Priorität: Workspace > Lokal > Integriert (Bundled)
3. Prompt-Installation
Kopiere diesen Prompt in OpenClaw, um ihn automatisch zu installieren.
Hilf mir, omg über Clawhub zu installieren. Falls Clawhub nicht installiert ist, installiere es bitte zuerst (npm i -g clawhub).
Lieber herunterladen?
Hole dir die rohen Skill-Dateien in einem ZIP-Archiv.
Was ist Anti-Distillation (anti-distillation.skill)?
Anti-Distillation ist ein spezialisiertes Sicherheits-Skill, das den Schutz geistigen Eigentums von großen Sprachmodellen zum Ziel hat. Es fungiert als passiver Abwehrmechanismus, der die Metadaten eingehender Anfragen überwacht, um Muster zu identifizieren, die auf eine Wissensdestillation hindeuten – bei der kleinere Modelle versuchen, die Ausgaben größerer, komplexerer Modelle nachzuahmen, um Schlussfolgerungsfähigkeiten zu einem Bruchteil der Kosten zu stehlen.
Dieses Skill wurde von der Anti-Distillation Alliance entwickelt und verfolgt strikt eine Philosophie des passiven Betriebs. Es modifiziert keine Modellantworten, injiziert keinen Lärm und verwendet keine Honeypots. Stattdessen bietet es Benutzern von Openclaw Skills tiefe Einblicke in systematische Prompt-Variationen und hochfrequente Anomalien, wodurch menschliche Bediener fundierte Entscheidungen über Ratenbegrenzungen oder Zugriffskontrollen treffen können, ohne die Integrität der Modellausgabe zu beeinträchtigen.
Anti-Distillation (anti-distillation.skill) Anwendungsfälle
- Erkennung von hochfrequentem automatisiertem Scraping von Modellausgaben.
- Identifizierung systematischer Prompt-Variationen, die zur Kartierung der Modelllogik verwendet werden.
- Überwachung auf Massenanfragen für strukturierte Daten, die auf das Training von Ersatzmodellen abzielen.
- Prüfung von Anfragemustern zur Identifizierung feindlicher Prompt-Vorlagen.
- Versenden von Sicherheitswarnungen in Echtzeit an Bediener via webhooks oder E-Mail, wenn Schwellenwerte überschritten werden.
So funktioniert Anti-Distillation (anti-distillation.skill)
- Das Skill überwacht die Metadaten eingehender Anfragen unter Verwendung von Nur-Lese-Berechtigungen, um Häufigkeit und Timing zu analysieren.
- Es berechnet einen Einweg-Hash von Prompts und bewertet die Prompt-Länge sowie die angeforderten Ausgabeformate.
- Die Erkennungs-Engine vergleicht diese Muster mit bekannten Destillationssignaturen und statistischen Anomalien.
- Wenn der Konfidenzwert den benutzerdefinierten Schwellenwert überschreitet, wird ein Erkennungsereignis ausgelöst.
- Das System generiert einen strukturierten Warnbericht und versendet diesen über konfigurierte Kanäle (log, webhook oder E-Mail).
Anti-Distillation (anti-distillation.skill) Einrichtung
Um Anti-Distillation zu installieren und zu konfigurieren, führen Sie die folgenden Schritte aus. Stellen Sie sicher, dass vertrauliche Anmeldeinformationen im Secret-Storage Ihrer Plattform gespeichert sind.
# Installieren Sie das Skill via Openclaw
claw install anti-distillation
# Konfigurieren Sie Umgebungsvariablen für optionale Warnkanäle
export ANTIDISTILL_WEBHOOK_URL="your_webhook_url"
export ANTIDISTILL_SMTP_HOST="smtp.example.com"
Ändern Sie Ihre config.yaml, um die Empfindlichkeit festzulegen:
anti_distillation:
detection_threshold: 0.75
analysis_window: 60
alerts:
channels: ["log", "webhook"]
Anti-Distillation (anti-distillation.skill) Datenschema & Taxonomie
Das Skill verarbeitet spezifische Metadatenfelder, um die Privatsphäre zu wahren und gleichzeitig die Erkennungsgenauigkeit sicherzustellen:
| Feld | Typ | Beschreibung |
|---|---|---|
request_count |
integer | Gesamtzahl der Anfragen innerhalb des Analysefensters |
request_timestamps |
integer[] | Unix-Zeitstempel der Anfragen für die Frequenzanalyse |
prompt_hash |
string | Einweg-Hash des Anfrageinhalts (nicht umkehrbar) |
parameter_signature |
string | Statistische Zusammenfassung von Parametern wie temperature und top_p |
confidence |
float | Wahrscheinlichkeitswert eines Destillationsversuchs |
Anti-Distillation (anti-distillation.skill) Erweiterte Funktionen
- Unterstützung für Multikanal-Warnungen, einschließlich lokaler logs, webhooks und SMTP.
- Konfigurierbare Erkennungsempfindlichkeit und Analysefenster für maßgeschneiderte Sicherheitsposturen.
- Nur-Secret-Speicher für vertrauliche API- und SMTP-Anmeldeinformationen, um die Offenlegung im Klartext zu verhindern.
- Nicht-intrusive Metadatenanalyse, die die Privatsphäre der Benutzer durch Ignorieren von IP-Adressen und Anfrageinhalten wahrt.
- Erfolgssystem zur Nachverfolgung des langfristigen Überwachungserfolgs und der Erkennungsgenauigkeit.
SKILL.md
Laden
Verwandte Openclaw-Skills
Listenaufbau
Eine strategische Lead-Generierungs-Fähigkeit, die Firmenlisten mit hoher Kaufabsicht unter Verwendung der Extruct API und spezialisierten Suchmethoden aufbaut.
Joe Tsai Perspektive
Eine Experten-KI-Fähigkeit, die den strategischen Finanz- und Investitionsentscheidungsrahmen von Alibaba Executive Vice Chairman Joe Tsai bereitstellt.
Eric Jing Perspective v2.0
Eine strategische mentale Modell-Fähigkeit, die AI agents mit der Corporate Governance, dem Compliance-First-Prinzip und der langfristigen Finanzphilosophie der Führung der Ant Group ausstattet.
Perspektive des strategischen Denkens von Guo Guangchang
Ein KI-gestütztes Gedankenmodell, das die Investitionsphilosophie und die globale Industrielogik des Fosun-Gründers Guo Guangchang simuliert.
AI Correction (model-correction-cn)
Ein spezialisierter Intent-Alias für den VeriClaw-Skill, der es chinesischsprachigen Entwicklern ermöglicht, auf fortschrittliche KI-Korrektur- und Model-Drift-Diagnosetools zuzugreifen.
VeriClaw Bot Correction
Eine spezialisierte Fähigkeit zur Diagnose und Korrektur von KI-Agenten-Drift, um nachvollziehbaren Fortschritt und evidenzbasierte Aufgabenabschlüsse sicherzustellen.
Hervorgehoben*
