Un sistema de monitoreo y alerta pasivo diseñado para detectar e informar sobre intentos de destilación de conocimiento en modelos de IA.
Instalar y Descargar
1. ClawHub CLI
La forma más rápida de instalar una habilidad directamente desde el registro.
npx clawhub@latest install omg
2. Instalación manual
Copia la carpeta de la habilidad a una de estas ubicaciones
~/.openclaw/skills/ <project>/skills/ Prioridad: Espacio de trabajo > Local > Integrado
3. Instalación del prompt
Copia este prompt en OpenClaw para instalarlo automáticamente.
Ayúdame a instalar omg usando Clawhub. Si Clawhub no está instalado, instálalo primero (npm i -g clawhub).
¿Prefieres descargar?
Obtén los archivos originales de la habilidad en un archivo ZIP.
¿Qué es Anti-Distillation (anti-distillation.skill)?
Anti-Distillation es una skill de seguridad especializada diseñada para salvaguardar la propiedad intelectual de los modelos de lenguaje grande. Funciona como un mecanismo de defensa pasivo que monitorea los metadatos de las solicitudes entrantes para identificar patrones consistentes con la destilación de conocimiento, donde los modelos más pequeños intentan imitar las salidas de modelos más grandes y sofisticados para robar capacidades de razonamiento a una fracción del costo.
Construida por Anti-Distillation Alliance, esta skill se adhiere estrictamente a una filosofía exclusivamente pasiva. No modifica las respuestas del modelo, no inyecta ruido ni utiliza honeypots. En cambio, proporciona a los usuarios de Openclaw Skills una visibilidad profunda sobre las variaciones sistemáticas de los prompts y las anomalías de alta frecuencia, lo que permite a los operadores humanos tomar decisiones informadas sobre la limitación de la tasa o el control de acceso sin comprometer la integridad de la salida del modelo.
Casos de uso de Anti-Distillation (anti-distillation.skill)
- Detección de scraping automatizado de alta frecuencia de las salidas de los modelos.
- Identificación de variaciones sistemáticas de prompts utilizadas para mapear la lógica del modelo.
- Monitoreo de solicitudes masivas de datos estructurados destinadas a entrenar modelos sustitutos.
- Auditoría de patrones de solicitud para identificar plantillas de prompts adversarios.
- Envío de alertas de seguridad en tiempo real a los operadores a través de webhooks o correo electrónico cuando se superan los umbrales.
Cómo funciona Anti-Distillation (anti-distillation.skill)
- La skill monitorea los metadatos de las solicitudes entrantes utilizando permisos de solo lectura para analizar la frecuencia y el tiempo.
- Calcula un hash unidireccional de los prompts y evalúa la longitud del prompt y los formatos de salida solicitados.
- El motor de detección compara estos patrones con firmas de destilación conocidas y anomalías estadísticas.
- Si la puntuación de confianza supera el umbral definido por el usuario, se activa un evento de detección.
- El sistema genera un informe de alerta estructurado y lo envía a través de los canales configurados (log, webhook o correo electrónico).
Configuración de Anti-Distillation (anti-distillation.skill)
Para instalar y configurar Anti-Distillation, siga los siguientes pasos. Asegúrese de que las credenciales confidenciales estén almacenadas en el almacenamiento de secretos de su plataforma.
# Instale la skill a través de Openclaw
claw install anti-distillation
# Configure las variables de entorno para los canales de alerta opcionales
export ANTIDISTILL_WEBHOOK_URL="your_webhook_url"
export ANTIDISTILL_SMTP_HOST="smtp.example.com"
Modifique su config.yaml para establecer la sensibilidad:
anti_distillation:
detection_threshold: 0.75
analysis_window: 60
alerts:
channels: ["log", "webhook"]
Esquema de datos y taxonomía de Anti-Distillation (anti-distillation.skill)
La skill procesa campos de metadatos específicos para mantener la privacidad mientras garantiza la precisión de la detección:
| Campo | Tipo | Descripción |
|---|---|---|
request_count |
integer | Total de solicitudes dentro de la ventana de análisis |
request_timestamps |
integer[] | Marcas de tiempo Unix de las solicitudes para el análisis de frecuencia |
prompt_hash |
string | Hash unidireccional del contenido de la solicitud (no reversible) |
parameter_signature |
string | Resumen estadístico de parámetros como temperature y top_p |
confidence |
float | Puntuación de probabilidad de un intento de destilación |
Funciones avanzadas de Anti-Distillation (anti-distillation.skill)
- Soporte de alertas multicanal, incluidos logs locales, webhooks y SMTP.
- Sensibilidad de detección y ventanas de análisis configurables para posturas de seguridad adaptadas.
- Almacenamiento solo de secretos para credenciales confidenciales de API y SMTP para evitar la exposición en texto plano.
- Análisis de metadatos no intrusivo que preserva la privacidad del usuario al ignorar direcciones IP y cuerpos de solicitud.
- Sistema de logros para realizar un seguimiento del éxito del monitoreo a largo plazo y la precisión de la detección.
SKILL.md
Cargando
Habilidades relacionadas de Openclaw
Construcción de Listas
Una habilidad estratégica de generación de leads que construye listas de empresas con alta intención usando la Extruct API y metodologías de búsqueda especializadas.
Perspectiva de Joe Tsai
Una habilidad de IA experta que proporciona el marco de toma de decisiones financieras y estratégicas del vicepresidente ejecutivo de Alibaba, Joe Tsai.
Eric Jing Perspective v2.0
Una habilidad de modelo mental estratégico que dota a los AI agents con el gobierno corporativo, la prioridad en el cumplimiento y la filosofía financiera a largo plazo del liderazgo de Ant Group.
Perspectiva del Pensamiento Estratégico de Guo Guangchang
Un modelo mental impulsado por IA que simula la filosofía de inversión y la lógica industrial global del fundador de Fosun, Guo Guangchang.
AI Correction (model-correction-cn)
Un alias de intención especializado para el skill VeriClaw que permite a los desarrolladores de habla china acceder a herramientas avanzadas de corrección de IA y diagnóstico de deriva de modelo.
VeriClaw Bot Correction
Una habilidad especializada para diagnosticar y corregir la desviación de agentes de IA para garantizar un progreso verificable y la finalización de tareas basada en evidencia.
Presentado*
