MaskClaw: Evolutionary Personalized Privacy Guard

MaskClaw - 端侧隐私保护 Skill 套件，提供智能打码、行为监控与规则自进化能力

MaskClaw Core Skills

端侧隐私保护 Skill 套件 —— 智能打码 · 行为监控 · 规则自进化

---

1. 项目概述

MaskClaw 是一个基于端侧 Tool-Use 的隐私前置代理框架，充当云端 Agent (AutoGLM) 与手机/桌面 UI 之间的"安全保镖"。

系统通过端侧 MiniCPM-V 大模型调度一组原子化工具 (Skills)，在执行前对敏感数据进行实时识别、动态脱敏，并通过用户行为反馈实现隐私防护策略的自进化。

text

┌────────────────────────────────────────────────────────────────┐
│                      MaskClaw 四层协同架构                      │
├────────────────────────────────────────────────────────────────┤
│  ┌──────────┐   ┌──────────┐   ┌──────────┐   ┌──────────┐   │
│  │  感知层   │ → │  认知层   │ → │  工具层   │ → │  进化层   │   │
│  │Perception│   │Cognition │   │Tool-Use  │   │Evolution │   │
│  └──────────┘   └──────────┘   └──────────┘   └──────────┘   │
│                                                                │
│  ┌────────────────────────────────────────────────────────┐   │
│  │              ChromaDB RAG 规则知识库                     │   │
│  └────────────────────────────────────────────────────────┘   │
└────────────────────────────────────────────────────────────────┘

---

2. 核心 Skills

Skill	功能	核心能力
Smart_Masker	智能视觉打码	基于 RapidOCR 识别敏感文本，支持高斯模糊/马赛克/色块覆盖
Behavior_Monitor	行为监控	持续监听 Agent 操作，捕获用户主动干预动作
Skill_Evolution	规则自进化	基于爬山法持续优化 SOP，沙盒测试验证后自动挂载

---

3. 快速开始

3.1 环境要求

bash

# Python >= 3.10
pip install rapidocr opencv-python numpy transformers chromadb

3.2 启动模型服务

bash

cd model_server
python minicpm_api.py
# 模型服务将监听 http://127.0.0.1:8000

3.3 使用 Smart Masker

python

from skills.smart_masker import VisualMasker

masker = VisualMasker()
keywords = ["手机号", "身份证", "银行卡"]

result = masker.process_image(
    image_path="test.jpg",
    sensitive_keywords=keywords,
    method="blur"
)

print(f"检测到 {result['regions_count']} 个敏感区域")
print(f"脱敏图片: {result['masked_image_path']}")

3.4 使用 Behavior Monitor

python

from skills.behavior_monitor import log_action_to_chain

log_action_to_chain(
    user_id="user_001",
    action="share_or_send",
    resolution="block",
    scenario_tag="钉钉发送病历截图",
    app_context="钉钉",
    field="medical_record",
    pii_type="MedicalRecord",
    correction_type="user_denied",
    auto_flush=True,
)

3.5 使用 Skill Evolution

python

from skills.evolution_mechanic import SOPEvolution

engine = SOPEvolution()
result = engine.run_pipeline(
    user_id="user_001",
    draft_name="钉钉隐私规则",
    step="all",
)

---

4. 目录结构

text

maskclaw-core/
├── SKILL.md                    # 本文件
├── scripts/
│   ├── smart_masker.py          # 智能打码核心模块
│   ├── smart_masker_demo.py    # 打码演示脚本
│   ├── behavior_monitor.py     # 行为监控核心模块
│   ├── behavior_monitor_demo.py # 监控演示脚本
│   ├── evolution_mechanic.py  # 进化引擎核心模块
│   └── evolution_demo.py       # 进化演示脚本
├── references/
│   ├── ARCHITECTURE.md         # 系统架构文档
│   ├── SKILLS_API.md           # Skills API 契约
│   ├── RAG_SCHEMA.md           # 向量数据库设计
│   ├── PROMPT_TEMPLATES.md     # Prompt 模板
│   └── SELF_EVOLUTION.md       # 自进化机制设计
├── assets/
│   ├── rule_schema.json        # 规则 Schema 模板
│   └── sop_template.md         # SOP 模板
└── evals/
    └── evals.json              # 测试用例定义

---

5. API 契约

5.1 Smart Masker

方法: process_image(image_path, sensitive_keywords, method='blur')

参数	类型	必填	说明
image_path	str	✅	图片路径
sensitive_keywords	List[str]	✅	敏感关键词列表
method	str	❌	blur(默认) / mosaic / block

返回值:

json

{
  "success": true,
  "masked_image_path": "temp/masked_xxx.jpg",
  "detected_regions": [{"text": "138****5678", "bbox": [x1, y1, x2, y2]}],
  "regions_count": 1,
  "processing_time_ms": 45
}

5.2 Behavior Monitor

方法: log_action_to_chain(user_id, action, resolution, scenario_tag, ...)

参数	类型	必填	说明
user_id	str	✅	用户标识
action	str	✅	操作类型
resolution	str	✅	决策结果
scenario_tag	str	✅	场景标签
correction_type	str	❌	纠错类型

返回值:

json

{
  "chain_id": "user_001_钉钉发送病历_1700000001",
  "action_count": 1,
  "has_correction": false
}

5.3 Skill Evolution

方法: run_pipeline(user_id, draft_name, step='all', ...)

参数	类型	必填	说明
user_id	str	✅	用户标识
draft_name	str	✅	草稿名称
step	str	❌	rebuild/init/evolve/sandbox/publish/all

返回值:

json

{
  "success": true,
  "evolve": {
    "total_iterations": 5,
    "final_score": 92.5,
    "reached_threshold": true
  },
  "sandbox": {"passed": true},
  "publish": {"skill_name": "dingtalk-privacy-rule", "version": "v1.0.0"}
}

---

6. 五级置信度判决

判决	条件	系统行为
Allow	规则库完整匹配，安全	直接放行
Block	规则库完整匹配，风险明确	直接拦截
Mask	规则库完整匹配，需脱敏	执行打码后放行
Ask	规则库信息不完整	主动向用户确认
Unsure	新场景无记录	标记并等待用户教授

---

7. 自进化机制 (爬山法)

text

┌─────────────────────────────────────────────────────────────┐
│  第 1 步：agent 对 skill 做一个小改动                         │
│         （比如：加一条"必须核对输入数据"的规则）               │
├─────────────────────────────────────────────────────────────┤
│  第 2 步：用改动后的 skill 跑 10 个测试用例                   │
├─────────────────────────────────────────────────────────────┤
│  第 3 步：用 checklist 给每个输出打分                         │
│         （4 个检查项全过 = 100 分，3 个过 = 75 分...）        │
├─────────────────────────────────────────────────────────────┤
│  第 4 步：算平均分                                           │
│         - 比上一轮高 → 保留改动                               │
│         - 比上一轮低 → 撤销改动                               │
├─────────────────────────────────────────────────────────────┤
│  第 5 步：重复，直到连续 3 轮分数超过 90% 或你喊停            │
└─────────────────────────────────────────────────────────────┘

---

8. 错误码

错误码	说明	处理建议
MASK_001	图片解码失败	检查图片格式
MASK_002	图片过大	压缩后重试
MASK_003	OCR 识别失败	检查图片质量
MONITOR_001	日志写入失败	检查存储权限
EVOLUTION_001	规则生成失败	减少测试用例批次
EVOLUTION_002	沙盒测试超时	检查测试环境

---

9. 许可

MIT License

10. 更新日志

v1.0.0 (2026-03-25)

• 初始版本发布
• 包含 Smart_Masker, Behavior_Monitor, Skill_Evolution 三大核心模块
• 支持 MiniCPM-V 4.5
• 集成 ChromaDB RAG 知识库