Skill Scanner

ماسح أمني بأفضل جهد ممكن لمهارات وكلاء الذكاء الاصطناعي (AI Agent Skills) يكتشف حقن الأوامر (prompt injection) وتسريب البيانات وأنماط الشيفرة الخبيثة. يجمع بين الكشف القائم على الأنماط (YAML + YARA-X)، وتحليل شجرة التركيب النحوي (AST) وتدفق البيانات، ونموذج لغوي كبير كحَكَم (LLM-as-a-judge) اختياري، وطبقة قرار CEL محدودة تعمل على حقائق الكواشف المُنمَّطة.
مهم: يوفر هذا الماسح كشفًا بأفضل جهد ممكن، وليس تغطية شاملة أو كاملة. لا يضمن الفحص الذي لا يعيد أي نتائج أن المهارة خالية من جميع التهديدات. راجع النطاق والقيود أدناه.
يدعم تنسيقي OpenAI Codex Skills وCursor Agent Skills وفقًا لـمواصفات Agent Skills. مع --lenient، يفحص أيضًا التنسيقات غير القياسية مثل Claude Code .claude/commands/*.md ومستودعات المهارات بصيغة markdown المسطحة.
أبرز الميزات
- كشف متعدد المحركات - التحليل الساكن، وتدفق البيانات السلوكي، والتحليل الدلالي بنموذج لغوي كبير، والفحص السحابي لتغطية متعددة الطبقات بأفضل جهد ممكن
- قرارات CEL مُنمَّطة - يستخدم الماسح الأساسي وقت تشغيل
cel-go v0.32.0 الرسمي لربط الحقائق المحدودة بعد الكشف الحتمي وقبل تحليل النموذج اللغوي الكبير الاختياري
- إعدادات مسبقة مقيسة - إعدادات
low-noise وquiet المسبقة وحدود النموذج اللغوي الكبير، مع نشر الاستدعاء (recall) ومعدل الإيجابيات الكاذبة 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 أداة كشف. يحدد أنماط المخاطر المعروفة والمحتملة، لكنه لا يمنح شهادة أمان.
القيود الرئيسية:
- عدم وجود نتائج ≠ عدم وجود خطر. تشير نتيجة الفحص التي تُرجع "No findings" إلى عدم اكتشاف أي أنماط تهديد معروفة. وهي لا تضمن أن المهارة آمنة أو حميدة أو خالية من الثغرات.
- التغطية غير مكتملة بطبيعتها. يجمع الماسح الضوئي بين الكشف القائم على التوقيعات، والتحليل الدلالي القائم على LLM، وتحليل تدفق البيانات السلوكي، وخدمات سحابية اختيارية، وحزم قواعد قابلة للتكوين. ورغم أن هذا النهج يحسّن التغطية، فلا يمكن لأي أداة آلية اكتشاف كل تقنية، لا سيما الهجمات الجديدة أو هجمات اليوم صفر.
- قد تحدث إيجابيات كاذبة وسلبيات كاذبة. تقلل الإعدادات المسبقة وحَكَم LLM وعمليات الكبت المحددة النطاق من الضوضاء، لكن لا يوجد تكوين يزيل جميع التصنيفات الخاطئة. اختر إعدادًا مدروسًا من Recommended Settings واضبط scan policy وفقًا لتحملك للمخاطر.
- تظل المراجعة البشرية ضرورية. الفحص الآلي مكوّن واحد من استراتيجية دفاع متعدد الطبقات. وينبغي أن تقترن عمليات النشر عالية المخاطر أو الإنتاجية بنتائج الماسح الضوئي مع المراجعة اليدوية للشيفرة و/أو نمذجة التهديدات.
النتائج المقاسة
على مهارات محجوزة (مجموعة الاختبار المجمّدة الخاصة بـ MaliciousSkillBench، 839 مهارة خبيثة و545 غير ضارة):
- القواعد وحدها تكتشف 7.7% من المهارات الخبيثة عند مستوى HIGH، بمعدل إيجابيات كاذبة قدره 4.0%.
- مع حَكَم LLM (Gemma 4 26B،
balanced)، تصل 66.7% إلى المراجعة عند MEDIUM+ (15.4% FPR)، ويُحظر
33.7% عند HIGH (6.4% FPR).
كل رقم، مع مجموعته ومنهجيته، موجود في Measured Results
وعلى evaluation Space.
التوثيق
موقع التوثيق هو cisco-ai-defense.github.io/docs/skill-scanner.
توجد صفحات التعمق في docs/.