Skill Scanner

ماسح أمني بأفضل جهد ممكن لمهارات وكلاء الذكاء الاصطناعي (AI Agent Skills) يكتشف حقن الأوامر (prompt injection)، وتسريب البيانات، وأنماط الأكواد الخبيثة. يجمع بين الكشف القائم على الأنماط (YAML + YARA-X)، وتحليل AST وتدفق البيانات، وLLM كحَكَم اختياري، وطبقة قرار CEL محدودة تعمل على حقائق الكاشفات المُصنَّفة.

مهم: يوفر هذا الماسح كشفًا بأفضل جهد ممكن، وليس تغطية شاملة أو كاملة. لا يضمن الفحص الذي لا يُرجع أي نتائج أن المهارة خالية من جميع التهديدات. راجع النطاق والقيود أدناه.

يدعم صيغ OpenAI Codex Skills وCursor Agent Skills وفقًا لـمواصفات Agent Skills. مع --lenient، يفحص أيضًا الصيغ غير القياسية مثل Claude Code .claude/commands/*.md ومستودعات المهارات بصيغة markdown المسطحة.

أبرز الميزات

كشف متعدد المحركات - تحليل ساكن، وتدفق بيانات سلوكي، وتحليل دلالي بواسطة LLM، وفحص سحابي لتغطية طبقية بأفضل جهد ممكن
قرارات CEL مُصنَّفة - يستخدم الماسح الأساسي وقت تشغيل cel-go v0.32.0 الرسمي لربط الحقائق المحدودة بعد الكشف الحتمي وقبل تحليل LLM الاختياري
إعدادات مسبقة مُقاسة - إعدادات low-noise وquiet وحدود LLM، مع نشر معدل الاستدعاء (recall) ومعدل الإيجابيات الكاذبة (false-positive rate) وF1 لكل منها (الإعدادات الموصى بها)
جاهز لـ CI/CD - مخرجات SARIF لـ GitHub Code Scanning، وسير عمل GitHub Actions قابل لإعادة الاستخدام، ورموز خروج لفشل البناء
خطاف pre-commit - تكامل مع إطار pre-commit القياسي لفحص المهارات قبل كل commit
قابل للتوسيع - بنية إضافات (plugin) للمحللات المخصصة

انضم إلى Cisco AI Discord للنقاش أو مشاركة الملاحظات أو التواصل مع الفريق.

النطاق والقيود

Skill Scanner هو أداة كشف. يحدد أنماط المخاطر المعروفة والمحتملة، لكنه لا يشهد بالأمان.

القيود الرئيسية:

عدم وجود نتائج ≠ عدم وجود خطر. يشير الفحص الذي يُرجع "No findings" إلى عدم اكتشاف أي أنماط تهديد معروفة. لا يضمن أن المهارة آمنة أو حميدة أو خالية من الثغرات.
التغطية غير كاملة بطبيعتها. يجمع الماسح بين الكشف القائم على التوقيعات، والتحليل الدلالي القائم على LLM، وتحليل تدفق البيانات السلوكي، والخدمات السحابية الاختيارية، وحزم القواعد القابلة للتكوين. وبينما يحسّن هذا النهج التغطية، لا يمكن لأي أداة آلية اكتشاف كل تقنية، خاصة الهجمات الجديدة أو هجمات اليوم صفر (zero-day).
قد تحدث إيجابيات كاذبة وسلبيات كاذبة. تقلل الإعدادات المسبقة وحَكَم LLM والكبت المحدود من الضوضاء، لكن لا يوجد تكوين يزيل جميع التصنيفات الخاطئة. اختر إعدادًا مُقاسًا من الإعدادات الموصى بها واضبط سياسة الفحص وفقًا لتحملك للمخاطر.
تبقى المراجعة البشرية ضرورية. الفحص الآلي مكوّن واحد من استراتيجية الدفاع في العمق. يجب أن تقترن عمليات النشر عالية المخاطر أو الإنتاجية بنتائج الماسح مع مراجعة الكود يدويًا و/أو نمذجة التهديدات.

نتائج مُقاسة

على مهارات محجوزة (المجموعة الاختبارية المجمّدة من MaliciousSkillBench، 839 خبيثة و545 غير ضارة):

القواعد وحدها تكتشف 7.7% من المهارات الخبيثة عند HIGH، بمعدل إيجابيات كاذبة 4.0%.
مع حَكَم LLM (Gemma 4 26B، balanced)، تصل 66.7% إلى المراجعة عند MEDIUM+ (معدل إيجابيات كاذبة 15.4%)، و 33.7% تُحظر عند HIGH (معدل إيجابيات كاذبة 6.4%).

كل رقم، مع مجموعته وطريقته، موجود في النتائج المُقاسة وعلى مساحة التقييم.

التوثيق

موقع التوثيق هو cisco-ai-defense.github.io/docs/skill-scanner. توجد الصفحات المتعمقة في docs/.

skill-scanner v2.0.14