
SkillSpector v2.5.1
Сканер безопасности для навыков ИИ-агентов. Обнаруживает уязвимости, вредоносные паттерны и риски безопасности.
SkillSpector
Сканер безопасности для навыков AI-агентов. Обнаруживайте уязвимости, вредоносные паттерны и риски безопасности перед установкой навыков агентов.
Обзор
Навыки AI-агентов (используемые Claude Code, Codex CLI, Gemini CLI и др.) выполняются с неявным доверием и минимальной проверкой. В проанализированной подвыборке исследовательского набора данных из 31 132 навыков 26,1% навыков содержат уязвимости, а 5,2% демонстрируют вероятные вредоносные намерения.
SkillSpector помогает ответить на вопрос: «Безопасно ли устанавливать этот навык?»
SkillSpector является частью конвейера NVIDIA Verified Skills, который сканирует, оценивает и подписывает навыки агентов перед публикацией. Прошедшие проверку навыки публикуются в каталоге навыков NVIDIA.
Документация
- Сканирование навыков агентов перед установкой — Размещённое руководство: когда сканировать, как читать отчёт и как ограничивать установку.
- Руководство по разработке — Архитектура, структура пакетов и способы расширения конвейера анализаторов.
- Политика безопасности — Сообщайте о предполагаемых уязвимостях конфиденциально в NVIDIA PSIRT.
- Ограничения ресурсов анализа — Ограничения на пакеты, парсеры, вложенные артефакты, журналы и находки по принципу fail-closed.
- Расширение для Pi — Установите SkillSpector как инструмент Pi для сканирования навыков изнутри сессий агента.
- Расширение для OpenCode — Установите SkillSpector как инструмент OpenCode и команду
/skillspectorдля сканирования навыков изнутри сессий агента. - Базовое руководство по LLM-анализатору — Как создавать узлы анализаторов на основе LLM поверх
LLMAnalyzerBase. - Перенаправление источников зависимостей — Как находки SC10 отмечают навык, изменяющий источник загрузки своих пакетов.
- Оперативные проверки уязвимостей (SC4) — Как SC4 проверяет зависимости по OSV.dev.
- Сканирование наборов данных для оценки — Какие файлы наборов данных для оценки пропускают анализаторы статических паттернов.
- Анализ минимальных привилегий MCP (LP1–LP4) и Обнаружение отравления инструментов MCP (TP1–TP4) — Заметки по проектированию анализаторов MCP.
Возможности
- Множество форматов ввода: сканирование Git-репозиториев, URL, zip-файлов, каталогов или отдельных файлов
- 71 паттерн уязвимостей в 17 категориях: внедрение промптов, эксфильтрация данных, повышение привилегий, цепочка поставок, чрезмерная автономность, обработка вывода, утечка системного промпта, отравление памяти, злоупотребление инструментами, неконтролируемый агент, анти-отказ, злоупотребление триггерами, опасный код (AST), отслеживание потоков данных (taint tracking), сигнатуры YARA, минимальные привилегии MCP и отравление инструментов MCP
- Двухэтапный анализ: быстрый статический анализ + опциональная семантическая оценка с помощью LLM
- Оперативные проверки уязвимостей: SC4 запрашивает OSV.dev для получения данных о CVE в реальном времени с автоматическим переходом в офлайн-режим
- Несколько форматов вывода: отчёты в терминале, JSON, Markdown и SARIF
- Оценка риска: оценка от 0 до 100 с метками серьёзности и чёткими рекомендациями
- Базовый уровень / подавление ложных срабатываний: принимайте известные находки через glob-правила или базовый уровень по отпечаткам, чтобы повторные сканирования выявляли только новые проблемы (документация)
Быстрый старт
Установка
Уведомление об открытом программном обеспечении: Этот проект загрузит и установит дополнительные сторонние проекты с открытым исходным кодом. Перед использованием ознакомьтесь с условиями лицензий этих проектов с открытым исходным кодом.
Используйте Python 3.12 или 3.13 для установки с готовыми колёсами YARA на поддерживаемых платформах. В примерах ниже явно выбирается 3.13; см. заметки об установке Python для более новых интерпретаторов. Для установки из исходников сначала создайте и активируйте виртуальное окружение (все цели make предполагают активное venv). Используйте uv или pip; Makefile использует uv, если он доступен, иначе pip.
Быстрая установка с uv (только CLI):
uv tool install --python 3.13 git+https://github.com/NVIDIA/skillspector.git
# Update later: uv tool update skillspector
Если вы планируете запускать skillspector mcp, установите дополнительный пакет MCP во время установки:
uv tool install --python 3.13 'skillspector[mcp] @ git+https://github.com/NVIDIA/skillspector.git'
Из источника:
# Clone the repository
git clone https://github.com/NVIDIA/skillspector.git
cd skillspector
# Create and activate virtual environment
uv venv --python 3.13 .venv && source .venv/bin/activate
# or: python3.13 -m venv .venv && source .venv/bin/activate
# Install for production use
make install
Чтобы внести вклад, следуйте инструкциям раздела Настройка для разработки для поддерживаемого интерпретатора Python и зависимостей для разработки.
Примечания по установке Python
Пакет объявляет требование Python >=3.12,<3.16 в pyproject.toml.
Этот диапазон не гарантирует наличие готовых wheel-пакетов для каждой зависимости и платформы.
yara-python 4.5.4 на PyPI
предоставляет wheel-пакеты для CPython 3.12/3.13, но не для CPython 3.14/3.15. Установка на этих
более новых интерпретаторах требует нативной сборки из исходного кода с помощью инструментов C
и заголовочных файлов для разработки Python. Такие сборки могут завершаться ошибкой с заголовками OpenSSL 4;
issue #1008 отслеживает эту
проблему установки и доступность wheel-пакетов в upstream.
Если установка завершается ошибкой при компиляции YARA, выберите Python 3.12 или 3.13 явно,
используя приведённые выше команды. Для новой установки только CLI с помощью pipx сначала
установите Python 3.13 и сделайте python3.13 доступным в PATH, затем выполните:
pipx install --python python3.13 git+https://github.com/NVIDIA/skillspector.git
Обновление сборки wheel в upstream не связано с публикацией нового релиза в PyPI. Проверьте опубликованные файлы, прежде чем выбирать более новый интерпретатор; возможно, всё ещё потребуется сборка из исходников.