
skill-scanner v2.0.13
Сканер безопасности для навыков агента
Skill Scanner
Сканер безопасности AI Agent Skills, работающий по принципу наилучших усилий, который обнаруживает внедрение промптов, утечку данных и шаблоны вредоносного кода. Он сочетает обнаружение на основе шаблонов (YAML + YARA-X), анализ AST и потоков данных, опциональный LLM-as-a-judge и ограниченный слой принятия решений на CEL над типизированными фактами детекторов.
Важно: Этот сканер обеспечивает обнаружение по принципу наилучших усилий, а не исчерпывающее или полное покрытие. Сканирование, не выявившее находок, не гарантирует, что навык свободен от всех угроз. См. раздел Область применения и ограничения ниже.
Поддерживает форматы OpenAI Codex Skills и Cursor Agent Skills в соответствии со спецификацией Agent Skills. С флагом --lenient также сканирует нестандартные форматы, такие как Claude Code .claude/commands/*.md и плоские репозитории навыков в markdown.
Ключевые возможности
- Многодвижковое обнаружение — статический анализ, поведенческий анализ потоков данных, семантический анализ LLM и облачное сканирование для многоуровневого покрытия по принципу наилучших усилий
- Типизированные решения на CEL — основной сканер использует официальную среду выполнения
cel-gov0.32.0 для корреляции ограниченных фактов после детерминированного обнаружения и перед опциональным анализом LLM - Измеренные пресеты — пресеты
low-noiseиquietи ограничения LLM с опубликованными для каждого показателями полноты, доли ложных срабатываний и F1 (Рекомендуемые настройки) - Готовность к CI/CD — вывод SARIF для GitHub Code Scanning, переиспользуемый рабочий процесс GitHub Actions, коды выхода для сбоев сборки
- Pre-commit хук — интеграция со стандартным фреймворком pre-commit для сканирования навыков перед каждым коммитом
- Расширяемость — архитектура плагинов для пользовательских анализаторов
Присоединяйтесь к Cisco AI Discord, чтобы обсуждать, делиться отзывами или связаться с командой.
Область применения и ограничения
Skill Scanner — это инструмент обнаружения. Он выявляет известные и вероятные шаблоны риска, но не удостоверяет безопасность.
Ключевые ограничения:
- Отсутствие находок ≠ отсутствие риска. Сканирование, возвращающее «No findings», указывает лишь на то, что известные шаблоны угроз не обнаружены. Это не гарантирует, что навык безопасен, безвреден или свободен от уязвимостей.
- Покрытие по своей природе неполно. Сканер сочетает сигнатурное обнаружение, семантический анализ на основе LLM, анализ потоков данных поведения, опциональные облачные сервисы и настраиваемые наборы правил. Хотя такой подход расширяет покрытие, ни один автоматизированный инструмент не способен обнаружить все техники, особенно новые или zero-day атаки.
- Возможны ложноположительные и ложноотрицательные срабатывания. Пресеты, LLM-судья и ограниченные подавления снижают шум, но никакая конфигурация не устраняет все ошибочные классификации. Выберите взвешенную настройку из Recommended Settings и настройте политику сканирования под свою толерантность к риску.
- Ручная проверка остаётся необходимой. Автоматическое сканирование — лишь один компонент стратегии эшелонированной защиты. Для высокорисковых или производственных развёртываний результаты сканера следует сочетать с ручной проверкой кода и/или моделированием угроз.
Измеренные результаты
На отложенных навыках (замороженная тестовая выборка MaliciousSkillBench: 839 вредоносных и 545 безвредных):
- Только правила выявляют 7.7% вредоносных навыков на уровне HIGH при частоте ложноположительных срабатываний 4.0%.
- С LLM-судьёй (Gemma 4 26B,
balanced) 66.7% достигают проверки на уровне MEDIUM+ (FPR 15.4%), а 33.7% блокируются на уровне HIGH (FPR 6.4%).
Каждая цифра с указанием корпуса и метода приведена в Measured Results и на evaluation Space.
Документация
Сайт документации — cisco-ai-defense.github.io/docs/skill-scanner.
Подробные страницы находятся в docs/.