OpenClaw용 로컬 PII 편집 기술, GLiNER 모델 활용

이것이 무엇인가요

보안 중심의 OpenClaw 스킬로, 모든 나가는 응답을 가로채어 로컬 SLM(GLiNER)을 통해 민감한 정보 유출 가능성을 탐지하고, 시스템을 떠나기 전에 탐지된 내용을 삭제합니다.

주요 세부사항

이 스킬은 로컬 nvidia/gliner-PII 모델을 사용하여 응답에서 보안 자격 증명과 개인 식별 정보를 스캔합니다. 탐지되면 민감한 데이터를 [API_KEY]와 같은 설명적 라벨로 대체하고, 무엇이 제거되었는지 나타내는 짧은 알림을 추가합니다. 민감한 정보가 발견되지 않으면 응답은 변경 없이 통과합니다.

설정: pip install clawguard-pii를 통해 설치된 로컬 서버를 실행한 후, 스킬을 localhost로 지정해야 합니다.

모델 사양: GLiNER 모델은 약 5억 7천만 개의 매개변수를 가지며, 제작자는 응답당 큰 지연을 추가하지 않는다고 언급했습니다.

탐지 능력: API 키, 비밀번호, 사용자 이름, 이메일 주소, 사회 보장 번호(SSN)를 포함한 엔터티를 식별할 수 있습니다.

제한사항

• CLAWGUARD_URL을 잘못 구성하면 유출 채널이 생성될 수 있습니다. 스킬에는 URL 검증과 토큰 인증이 완화책으로 포함되어 있지만, 이는 여전히 위험 요소입니다.
• 모델은 확률적이며 실수를 할 수 있어, 특히 정교한 프롬프트 주입의 경우 민감한 정보를 삭제하지 못할 수 있습니다.
• 이 스킬은 나가는 응답만 처리하며, 들어오는 프롬프트 주입 요청을 표시하지 않습니다.

추가 맥락

제작자는 OpenClaw에서 로컬 인코더 SLM을 실행하고 다른 모델과 번들링하는 다른 접근 방식에 대한 의견을 듣고 싶어하며, 현재 Ollama 설정은 주 챗봇 모델로 디코더 모델을 실행하는 데만 작동한다고 언급했습니다.

스킬은 다음에서 이용 가능합니다: https://clawhub.ai/m-newhauser/pii-redactor