Panguard 到底怎麼保護你

Guard 持續監控每個白名單中的 skill，用多層偵測——偵測到偏移時，不只是警報，而是自動回應。 1. ATR 規則比對（亞毫秒級）——747 ATR 偵測規則，專為 AI Agent 威脅設計。只要 skill 的行為命中任何規則，立即標記。 2. 指紋偏移——Skill Auditor 記錄了 skill 應該做什麼。Guard 拿即時行為跟指紋比對。一個程式碼審查工具突然開始對不明端點發網路請求？偏離指紋的瞬間就被抓到。 3. LLM 深度分析——規則和指紋都沒攔住的全新攻擊模式，AI 分析器會做語義檢查。判定結果自動蒸餾成新的 ATR 規則，下次同樣的攻擊靠規則就能擋。 偵測到威脅後，Guard 的信心值回應機制啟動： - 信心值 >= 85%：自動回應——從白名單撤銷 skill、封鎖工具呼叫、隔離 session。零人工延遲。 - 信心值 50-84%：附完整證據警報，建議具體動作（如 revoke_skill 或 kill_agent），等待人工確認。 - 50% 以下：記錄供調查，保留完整上下文。 就算攻擊者耐心等了 50 次才動手，只要做了指紋範圍外的事，當下就被攔截——Guard 的回應力度跟確定性成正比。

ATR（Agent Threat Rules）是AI Agent 威脅的開放偵測標準。747 條規則橫跨 10 大威脅類別，專門針對 AI Agent 攻擊：提示注入、工具毒化、上下文竊取、憑證竊取、跨 Agent 提權、Skill 供應鏈攻擊等。 ATR 規則機器可讀、社群驅動，專為傳統安全工具看不見的威脅而生——那些存在於提示詞流程、工具呼叫和 Agent 對話中的威脅。 Threat Cloud 彙整社群貢獻的規則。Guard 以亞毫秒級速度執行。每條新規則都強化所有用戶的防護。

Panguard 專注於 AI Agent 安全威脅，涵蓋 10 大類別： 提示注入——直接和間接注入、越獄、系統提示覆蓋。 工具毒化——惡意工具描述、工具輸出中的隱藏指令。 憑證外洩——API Key 竊取、SSH Key 存取、秘密擷取。 上下文操縱——記憶體中毒、對話劫持。 Skill 供應鏈——惡意 Skill 套件、依賴混淆。 跨 Agent 攻擊——Agent 間的權限提升。 未授權動作——超出宣告範圍的檔案存取、網路呼叫。 747 ATR 規則搭配 3,200 偵測模式。全部開源、社群驅動，透過 Threat Cloud 每天增長。

Panguard 的飛輪把每個用戶的發現轉化為所有人的防禦： 第一步：你用 Skill Auditor 審計一個 skill。它對照現有 ATR 規則和白名單檢查。 第二步：如果發現新威脅——不管是規則命中、指紋偏移還是 LLM 分析——匿名化的威脅模式會回報到 Threat Cloud。 第三步：社群成員對回報投票，LLM 審查驗證模式。確認後，產生新的 ATR 規則，進入實驗管線（7 天僅警報）。 第四步：新規則分發到所有 Guard 實例。下次任何人審計帶有同一攻擊模式的 skill，規則直接擋——不需要 AI。 第五步：當這些規則在 Guard 中觸發時，信心值回應系統自動封鎖、隔離或升級處理——完成防禦閉環。一台機器上發現的威脅，會在每台運行 Guard 的機器上被偵測並自動回應。 每一圈都讓下一次審計更強。用戶越多 = 發現越多 = 規則越多 = 所有人的防護越好。飛輪不止於偵測——它用自動化回應完成閉環。

Guard 每小時自動跟 Threat Cloud 同步，拉取新的 ATR 規則。不需要任何手動操作。 本地蒸餾的規則——你的 LLM 分析新威脅時產生的——在你的機器上立即生效。 社群貢獻的規則經過分階段管線：其他 Panguard 用戶同儕審查，然後進入實驗階段（僅警報 7 天，不阻擋），最後升級為穩定版（可自動阻擋）。一條規則需要至少 3 個獨立 Panguard 節點確認才能升級。 你隨時可以用 `panguard rules status` 查看目前的規則數量。

Panguard 用信心分級來降低影響： 低信心：只記錄，你之後可以查看。 中信心：警報加證據快照，不阻擋。 高信心：自動阻擋加警報加詳細報告。 社群回饋機制處理系統性問題：如果一條規則的誤報率超過 20%，會自動在所有用戶端被棄用。實驗階段誤報率偏高的規則不會升級為穩定版。 在本地，你可以調整信心閾值或停用特定規則。你的自訂設定在規則更新時會被保留。

可以。ATR 規則是 YAML 格式，人類可讀。用 `atr scaffold` 產生範本，包含正確的結構——metadata、偵測邏輯、MITRE 對應、回應動作。 寫好規則後，用 `panguard rules test` 在本地測試，然後提交到 Threat Cloud 讓社群審查。被接受的規則會分發給所有 Panguard 用戶，保護每一台執行 Guard 的系統。 這是影響力最大的貢獻方式。每條新的 ATR 規則都讓飛輪為整個社群轉得更快。

只有匿名化的威脅模式：類別、MITRE 技術 ID、嚴重等級和雜湊指紋。絕不會送出你的檔案、程式碼、對話或個人資料。沒有 IP 地址、沒有使用者名稱、沒有檔案內容。 你可以用——show-upload-data 旗標檢視上傳的確切內容。也可以完全停用雲端同步——Panguard 純用本地規則就能離線運作。 Threat Cloud 參與是選擇加入的。就算啟用了，資料在離開你機器之前就已經去除所有識別資訊。

只有你明確設定才會。Panguard 支援三種 LLM 模式： 1. 純規則模式（預設）——不用 AI，不對外發送。Guard 在本地執行 ATR 規則。這是預設模式，不需要任何資料離開你的設備就能提供強力防護。 2. Ollama（本地 AI）——完全在你的機器上執行。AI 增強分析，零外部資料傳輸。 3. 你自己的 API Key——你選擇服務商（Anthropic、OpenAI 等），你控制送什麼。LLM 只看到正在分析的特定事件，不會看到你的檔案或對話。 加密的 LLM 設定（~/.panguard/llm.enc）儲存在本地，用你機器的身份加密。它永遠不會離開你的設備。

100% 開源，MIT 授權。每一行程式碼、每一條 ATR 規則、每一個偵測演算法都可以在 GitHub 上公開審計。 沒有隱藏的企業版。沒有閉源元件。沒有你無法檢視的遙測。你在 repo 裡看到的，就是在你機器上執行的。 我們相信安全工具必須透明。如果你無法驗證你的安全軟體在做什麼，它其實沒在保護你。

一行指令： npm install -g panguard && panguard setup Setup 自動偵測 Claude Code、Cursor 和其他 5 個 AI 平台。它會注入 MCP 設定，讓你的 AI Agent 可以用自然語言呼叫 Panguard 工具——「審計這個 skill」、「掃描我的系統」、「今天擋了什麼威脅」。 不需要帳號、不需要 API Key。純規則模式開箱即用。之後想要 AI 增強分析再加 LLM Key 就好。

四個主要用途： (a) 安裝前審計任何 MCP skill——對你的 AI Agent 說「審計這個 skill」，或直接執行 panguard audit skill。Skill Auditor 用 ATR 規則和社群白名單檢查。 (b) 掃描你的系統——panguard scan 執行 ATR 規則掃描你的 AI Agent 環境。 (c) 啟動 24/7 守護——panguard guard start 啟動 daemon。持續監控，規則評估亞毫秒級。 (d) 你的 AI Agent 變得有安全意識——setup 之後，你的 AI Agent 可以透過自然對話掃描、審計、查看威脅。它把 Panguard 工具當 MCP skill 呼叫。 蜜罐陷阱已內建；簽章合規證據報告是付費 Enterprise 加購項目。

幾乎無感。規則評估每個事件亞毫秒級——純模式比對，已知威脅完全不需要 AI。 AI 分析只在三種規則引擎都無法分類的事件才觸發，通常不到全部事件的 1%。記憶體佔用低於 100MB。 Guard 以 daemon 模式執行，搭配看門狗自動重啟。設計上就是為了全天候運行而不影響效能。

是的，Community 版 100% 免費、開源、採 MIT 授權，無用量上限。 Scan、Guard、Skill Auditor、Threat Cloud、蜜罐陷阱，以及全部 747 條 ATR 偵測規則——全部免費、全部開源。 簽章合規證據報告（SOC 2 / EU AI Act 稽核包）是付費 Enterprise 加購項目。 Community 不需信用卡或註冊——直接安裝即可。

在台灣打造，由一群相信 AI Agent 安全應該是公共財而非付費功能的團隊開發。 我們的信念：飛輪模式——每個用戶的威脅發現強化每個其他用戶的防禦——只有在工具開放且免費時才能運作。付費分級會分裂社群，削弱集體防護。 AI Agent 正在成為人類與運算之間的主要介面。這個介面的安全層必須由社群共同擁有。

撰寫 ATR 規則——這是影響力最大的貢獻。每條新規則都保護所有 Panguard 用戶。用 `atr scaffold` 開始。 回報威脅——透過 Guard 自動完成。你系統上偵測到新威脅時，匿名化的模式會透過飛輪強化社群防禦。 程式碼貢獻——修 bug、新功能、效能改善。到 GitHub issues 找 good first issues。 翻譯和回饋——幫助 Panguard 支援更多語言、回報誤報、建議改善。 造訪我們的 GitHub 倉庫開始。