Skip to content
KitploitKITPLOIT
उपकरणएक्सप्लॉइटब्लॉग
Log in
जमा करें
उपकरणएक्सप्लॉइटब्लॉग
जमा करें

हैकिंग, पेनटेस्ट और साइबर सुरक्षा उपकरण आपके सुरक्षा शस्त्रागार के लिए!

Kitploit हैकिंग, साइबर सुरक्षा और पेंटेस्टिंग टूल्स की एक निर्देशिका है। कमजोरियों को खोजने, सिस्टम का विश्लेषण करने, परीक्षण को स्वचालित करने और अपनी सुरक्षा को मजबूत करने के लिए नवीनतम प्रोजेक्ट अपडेट खोजें।

फ़ीडसंपर्कगोपनीयता© 2026 Kitploit

टूल निर्देशिका

श्रेणियाँ

सभी श्रेणियाँ देखें
Loading categories
skill-scanner — एजेंट स्किल्स के लिए सुरक्षा स्कैनर | Kitploit
उपकरण/GitHubGitHub/cisco-ai-defense/skill-scanner
स्थैतिक विश्लेषणभेद्यता स्कैनरगतिशील विश्लेषण (सैंडबॉक्सिंग)कोड विश्लेषणमालवेयर विश्लेषणDevSecOpsसीक्रेट डिटेक्शनखतरा खुफियाआपूर्ति श्रृंखला सुरक्षामशीन लर्निंगलर्निंग और शिक्षाAI सुरक्षा
2.4k3048712 दिन पहलेKitploit द्वारा समीक्षित
GitHubcisco-ai-defense/skill-scanner

skill-scanner

एजेंट स्किल्स के लिए सुरक्षा स्कैनर

रिपॉजिटरी देखेंवेबसाइट
साझा करें

Skill Scanner

License CPython 3.11–3.14 PyPI version CI Discord Cisco AI Defense AI Security Framework Ask DeepWiki

AI Agent Skills के लिए एक best-effort सुरक्षा स्कैनर जो prompt injection, data exfiltration और दुर्भावनापूर्ण कोड पैटर्न का पता लगाता है। यह pattern-based detection (YAML + YARA-X), AST और dataflow विश्लेषण, एक वैकल्पिक LLM-as-a-judge, और typed detector facts पर एक सीमित CEL decision layer को जोड़ता है।

महत्वपूर्ण: यह स्कैनर best-effort detection प्रदान करता है, व्यापक या पूर्ण कवरेज नहीं। ऐसा स्कैन जो कोई finding नहीं लौटाता, वह इस बात की गारंटी नहीं देता कि कोई skill सभी खतरों से मुक्त है। नीचे Scope and Limitations देखें।

Agent Skills specification का पालन करते हुए OpenAI Codex Skills और Cursor Agent Skills प्रारूपों का समर्थन करता है। --lenient के साथ, Claude Code .claude/commands/*.md और flat markdown skill repos जैसे गैर-मानक प्रारूपों को भी स्कैन करता है।


मुख्य विशेषताएँ

  • Multi-Engine Detection - स्तरित, best-effort कवरेज के लिए static analysis, behavioral dataflow, LLM semantic analysis, और cloud-based scanning
  • Typed CEL Decisions - मुख्य स्कैनर निर्धारक detection के बाद और वैकल्पिक LLM विश्लेषण से पहले सीमित facts को सहसंबंधित करने के लिए आधिकारिक cel-go v0.32.0 runtime का उपयोग करता है
  • Measured Presets - low-noise और quiet presets और LLM caps, प्रत्येक के लिए recall, false-positive rate और F1 प्रकाशित (Recommended Settings)
  • CI/CD Ready - GitHub Code Scanning के लिए SARIF आउटपुट, पुन: प्रयोज्य GitHub Actions workflow, build विफलताओं के लिए exit codes
  • Pre-commit Hook - हर commit से पहले skills को स्कैन करने के लिए मानक pre-commit framework एकीकरण
  • Extensible - कस्टम analyzers के लिए plugin architecture

चर्चा करने, प्रतिक्रिया साझा करने या टीम से जुड़ने के लिए Cisco AI Discord से जुड़ें।


Scope and Limitations

Skill Scanner एक detection tool है। यह ज्ञात और संभावित जोखिम पैटर्न की पहचान करता है, लेकिन यह सुरक्षा का प्रमाणन नहीं करता।

मुख्य सीमाएँ:

  • कोई निष्कर्ष नहीं ≠ कोई जोखिम नहीं। जो स्कैन "No findings" लौटाता है, वह दर्शाता है कि कोई ज्ञात खतरा पैटर्न नहीं पाया गया। यह इस बात की गारंटी नहीं देता कि कोई स्किल सुरक्षित, सौम्य या कमज़ोरियों से मुक्त है।
  • कवरेज स्वाभाविक रूप से अपूर्ण है। स्कैनर सिग्नेचर-आधारित डिटेक्शन, LLM-आधारित सिमैंटिक विश्लेषण, व्यवहारिक डेटाफ़्लो विश्लेषण, वैकल्पिक क्लाउड सेवाओं और कॉन्फ़िगर करने योग्य नियम पैक्स को जोड़ता है। यद्यपि यह दृष्टिकोण कवरेज में सुधार करता है, कोई भी स्वचालित उपकरण हर तकनीक का पता नहीं लगा सकता, विशेष रूप से नई या ज़ीरो-डे हमलों का।
  • गलत सकारात्मक और गलत नकारात्मक परिणाम हो सकते हैं। प्रीसेट, LLM जज और स्कोप्ड सप्रेशन शोर कम करते हैं, लेकिन कोई भी कॉन्फ़िगरेशन सभी गलत वर्गीकरणों को समाप्त नहीं करता। Recommended Settings से एक संतुलित सेटअप चुनें और अपनी जोखिम सहनशीलता के अनुसार scan policy को ट्यून करें।
  • मानवीय समीक्षा आवश्यक बनी रहती है। स्वचालित स्कैनिंग डिफेंस-इन-डेप्थ रणनीति का एक घटक है। उच्च-जोखिम या प्रोडक्शन परिनियोजनों को स्कैनर परिणामों के साथ मैन्युअल कोड समीक्षा और/या खतरा मॉडलिंग को जोड़ना चाहिए।

मापे गए परिणाम

होल्ड-आउट स्किल्स पर (MaliciousSkillBench का फ़्रोज़न टेस्ट स्प्लिट, 839 दुर्भावनापूर्ण और 545 हानिरहित):

  • केवल नियम HIGH पर 7.7% दुर्भावनापूर्ण स्किल्स को पकड़ते हैं, 4.0% गलत-सकारात्मक दर पर।
  • LLM जज के साथ (Gemma 4 26B, balanced), 66.7% MEDIUM+ पर समीक्षा तक पहुँचते हैं (15.4% FPR), और 33.7% HIGH पर ब्लॉक होते हैं (6.4% FPR)।

प्रत्येक आंकड़ा, अपने कॉर्पस और विधि के साथ, Measured Results और evaluation Space पर है।


दस्तावेज़ीकरण

दस्तावेज़ीकरण वेबसाइट है cisco-ai-defense.github.io/docs/skill-scanner। गहन-विश्लेषण पृष्ठ docs/ में हैं।

टूल डाउनलोड करें

सबसे लोकप्रिय

सभी देखें →

हमारे समुदाय द्वारा सबसे अधिक उपयोग किए जाने वाले उपकरण खोजें।

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 अंतिम OSINT टूलकिट: जाँच ग्राफ़, विश्वास स्कोरिंग, उपनाम परिवार, मानचित्र, टाइमलाइन और रिपोर्ट। 49 मॉड्यूल, 400+ साइटें, किसी API कुंजी की आवश्यकता नहीं।

    668
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # घोस्टलॉक वन-टैप निष्पादन ऐप (CVE-2026-43499)

    496
  • 3

    ARTEX

    baarai/artex

    प्लानर/वर्कर एजेंट, एसेट और एक्सप्लोरेशन ग्राफ़, MITM ट्रैफ़िक रिकॉर्डिंग, और भेद्यता पुनःपरीक्षण के साथ LLM मल्टी-एजेंट स्वायत्त पेनेट्रेशन टेस्टिंग प्लेटफ़ॉर्म।

    394
  • 4

    redforge

    cybersecurity91/redforge

    ब्राउज़र-साइड रेड टीम टूलकिट, जिसमें रेकॉन, पेलोड जनरेशन, क्रेडेंशियल हमलों, क्रिप्टो, एन्कोडिंग और एंगेजमेंट रिपोर्टिंग के लिए 102 ऑफ़लाइन टूल्स हैं।

    339
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AI-मूल साइबरसुरक्षा के लिए कार्रवाई की प्रणाली—जहाँ इरादा नियंत्रित निष्पादन बन जाता है, साक्ष्य परिचालन स्मृति बन जाता है, और हर ऑपरेशन अगले को बेहतर बनाता है।

    258
  • 6

    antifox

    antifox-ai/antifox

    AI मल्टी-एजेंट स्वायत्त पेनेट्रेशन टेस्टिंग प्लेटफ़ॉर्म जो रेकॉन, अटैक-सरफ़ेस डिस्कवरी, एक्सप्लॉइटेशन वैलिडेशन और साक्ष्य-आधारित रिपोर्ट डिलीवरी संचालित करता है।

    254

सभी उपकरण खोजें

हमारे उपकरणों का संग्रह ब्राउज़ करें

सभी उपकरण देखें →