Skill Scanner

ماسح أمني بأفضل جهد ممكن لمهارات وكلاء الذكاء الاصطناعي (AI Agent Skills) يكتشف حقن الأوامر (prompt injection)، وتسريب البيانات، وأنماط الشيفرة الخبيثة. وهو يجمع بين الكشف القائم على الأنماط (YAML + YARA-X)، وتحليل AST وتدفق البيانات، وLLM-as-a-judge اختياري، وطبقة قرار CEL محدودة النطاق 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 لـمواصفة 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 محدودة النطاق بعد الكشف الحتمي وقبل تحليل LLM الاختياري
• مراجعة النتائج - يقوم المحلل الفوقي (Meta-analyzer) الاختياري بربط النتائج وترتيب أولوياتها ويمكنه تصفيتها؛ ولا يزال التحقق المزدوج من الدقة معلقًا
• جاهز لـ CI/CD - مخرجات SARIF لـ GitHub Code Scanning، وسير عمل GitHub Actions قابل لإعادة الاستخدام، ورموز خروج لفشل البناء
• خطاف ما قبل الالتزام (Pre-commit Hook) - تكامل مع إطار pre-commit القياسي لفحص المهارات قبل كل التزام
• 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 بأمان أي شيء.

القيود الرئيسية:

• عدم وجود نتائج ≠ عدم وجود خطر. يشير الفحص الذي يُرجع "No findings" إلى عدم اكتشاف أي أنماط تهديد معروفة. ولا 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 للتهيئة. وبينما يحسّن هذا النهج التغطية، لا يمكن لأي أداة آلية اكتشاف كل تقنية، خاصة الهجمات الجديدة أو هجمات اليوم الصفري.
• قد تحدث نتائج إيجابية كاذبة وسلبية كاذبة. يمكن أن تساعد أنماط الإجماع والتحليل الفوقي في مراجعة النتائج، لكن لا توجد تهيئة تُلغي جميع التصنيفات غير الصحيحة. اضبط سياسة الفحص وفقًا لمستوى تحملك للمخاطر.
• تبقى المراجعة البشرية ضرورية. الفحص الآلي مكوّن واحد من استراتيجية دفاع متعدد الطبقات. يجب أن تقترن عمليات النشر عالية المخاطر أو الإنتاجية بنتائج الماسح مع مراجعة الشيفرة يدويًا و/أو نمذجة التهديدات.

أدلة التحديث الحالية

تحتوي معيارية التطوير النهائية للأساس + CEL على 5,256 حزمة خبيثة و1,338 حزمة حميدة من MaliciousSkillBench. وبالمقارنة مع origin/main، رفع الماسح الحالي مقياس F1 من 32.92% إلى 47.73% والاستدعاء (recall) من 19.88% إلى 31.43%، مع تقليل معدل النتائج الإيجابية الكاذبة الحميدة من 3.59% إلى 1.05%. الدقة (Precision) هي 99.16%. كانت خمس جولات CEL-shadow دقيقة وحتمية؛ وقيّمت CEL 154 مرشحًا دون اقتراح أي كبت أو اللجوء إلى بديل.

التقسيم المقفل المنفصل عن المصدر أضعف: TP=65، FP=42، TN=503، وFN=774، بدقة 60.75%، واستدعاء 7.75%، وF1 بنسبة 13.74%، ومعدل إيجابيات كاذبة (FPR) بنسبة 7.71%. وهذا يحسّن F1 مقارنة بـorigin/main (7.40%) لكنه يتراجع في FPR (3.67%)، لذا لا يجتاز بوابة الترقية. لذلك تبقى كل قاعدة CEL المضمّنة في وضع shadow؛ ولا يرقّي هذا التغيير أي كبت CEL.

وجدت فحوصات التوافق والفحوصات التكميلية نتائج متطابقة بين CEL-OFF/CEL-SHADOW على 111 مهارة رسمية من Codex وClaude Code وCursor (30 حزمة MEDIUM+ و8 حزم HIGH/CRITICAL)، مع خمس جولات مستقرة. وكان لمجموعة NotInject للسلبيات الصعبة 0/339 تطابقًا قابلًا للتنفيذ. وكان لدى HarmfulSkillBench 7/200 حزمة قابلة للتنفيذ و6/200 حزمة HIGH+ مع عينة واحدة محجورة، بينما كان لدى OpenSkillRisk 76/263 حزمة قابلة للتنفيذ مع حجرين مضيفين. والأخيرتان تشخيصيتان للاستدعاء الإيجابي فقط ولا يمكنهما قياس الدقة أو FPR. نتائج ATR الاختيارية خارج نطاق هذا الإصدار. راجع تقييم الكشف والطرح للمنهجية والمصدر وفواصل الثقة والقيود.

---

التوثيق