在不可见 HTML 区块中发现仅供解析器读取的指令。
本地优先扫描器 + MCP 安全防护机制
在隐藏指令 进入你的模型之前 先把它找出来。
Veridicus Scan 会检查 HTTPS URL、PDF、DOCX 与 HTML 文件中的提示词注入模式、可疑元数据、 解析器可见偏移以及高风险重定向行为。高级版还可在 App 处于活动状态时启用本地 MCP, 为 App Intents 与 AI 智能体工作流提供运行时防护。
Veridicus Scan
隐藏指令检查报告文档元数据字段中检测到指令式语言。
严格 URL 模式下,目标抓取在重定向边界被阻止。
OpenClaw + Veridicus Scan
在 OpenClaw 读取互联网之前,先用 Veridicus Scan 做输入审查。
如果 OpenClaw 将抓取 URL、读取文件或运行带工具的工作流,就把 Veridicus Scan 放在前面。先配置智能体,再在本地扫描可疑页面与文档,只把完成复核的内容交给工作流。
如何在 macOS 上配置 OpenClaw
安装 CLI、完成 onboarding、配对频道、打开 Dashboard,并在权限扩大前完成基础安全检查。
把 Veridicus Scan 作为 OpenClaw 的安全输入层
在 OpenClaw 抓取、上传或推理可疑 URL、PDF、DOCX 与 HTML 之前,先在本地完成筛查。
加入本地 MCP 扫描步骤
当你需要可重复的本地自动化而不是盲目接入内容时,把扫描决策放在智能体边界上。
工作流
像证据工作流一样扫描,而不是像黑盒一样“跑一下”。
先选择来源,再分析标准化内容与隐藏通道,最后阅读带风险评分和建议的报告。
选择来源
从 HTTPS URL 开始,或导入 PDF、DOCX、HTML 文件。应用会从第一屏开始就保持来源类型清晰可见。
检查可见层与隐藏通道
标准化内容,对比解析器可见文本与视觉文本,检查元数据与隐藏通道工件,并执行所选 URL 模式。
导出可执行的报告
每次扫描都会产生风险评分、风险等级、发现项、处置建议与覆盖说明,并支持 PDF / JSON 导出。
高级版 MCP 模式
把 Veridicus Scan 当作 AI 智能体工作流中的本地 MCP 安全防护机制。
MCP 在这款应用里并不是附带功能。高级版会解锁本地、前台、基于会话的桥接层,让智能体在不依赖远程守护进程的情况下扫描文本或 URL、获取报告、做选择性披露并为高风险计划设门。
核心扫描路径
- Open Session、Scan Text、Scan URL
- Get Report、Export Report、Close Session
- 覆盖本地扫描与报告闭环
记忆与披露控制
- Ingest Memory、Retrieve Memory
- Selective Disclosure
- Evaluate Selective Disclosure
计划与动作防护
- Scope Tools
- Guard Plan
- Gate Action
以报告建立信任
每次扫描,都应该以一份能快速阅读的证据收尾。
报告不是副产品。真正用于决策的,就是风险评分、风险等级、发现项、覆盖状态与导出控制。
pdf / json信任模型
默认本地优先;当网络成为变量时,边界必须清楚。
用户需要准确知道哪些内容留在设备端、什么时候会抓取用户提供的 URL,以及导出的证据片段默认会被打码。
优先在本地完成检查
先在设备端分析和生成报告,而不是先上传内容,再解释风险。
扫描边界必须是显式的
用清晰文案说明 HTTPS-only、严格 / 宽松重定向处理,以及部分覆盖说明。
证据要能被人解释
发现项、建议与覆盖说明必须足够可读,才能支撑用户事后的决策与沟通。
常见问题
给出简短、清晰、能直接落地的回答。
Veridicus Scan 会检查什么?
目前产品聚焦于 HTTPS URL 扫描,以及导入的 PDF、DOCX 与 HTML 文件,重点识别隐藏提示词注入、元数据异常与解析器可见信号。
URL 扫描如何处理重定向?
URL 输入仅支持 HTTPS。严格模式会阻止跨 URL 重定向;宽松模式会在 HTTPS 安全边界内跟随重定向,以提升兼容性。
扫描后可以导出什么?
分享流程支持 JSON 与 PDF 导出。证据片段默认打码,除非用户明确选择包含更多细节。
MCP 功能是什么?
高级版会解锁本地、前台、基于会话的 MCP 与 App Intent 桥接,支持 Scan Text、Scan URL、Get Report、Export Report,以及选择性披露、Guard Plan、Gate Action 等运行时防护方法。
为什么报告会提示部分覆盖?
当抓取响应或导入文件超过扫描预算时,应用会明确标记为部分覆盖,并附带覆盖说明,避免对结果过度解读。
最后一步
在模型看到内容之前,先检查这份内容。
如果你的工作流会把 URL、PDF、DOCX、HTML、截图或工具可见文本交给 AI,就在入口处放上一层可读、可导出、可复核的本地证据。