Scan Before You Install：检测与缓解 Agent 技能中的本地及组合漏洞

查看 PDF HTML（实验性）

摘要：智能体技能包封装了自然语言指令、脚本和参考文件，供基于 LLM 的智能体在任务中加载。技能可在用户授权的权限下访问文件系统、shell 和网络；其弱点可能导致不安全执行。现有扫描器主要针对恶意技能，而非公共仓库中的非预期漏洞，且孤立分析技能，忽视了多技能交互。为弥补这些空白，我们开发了一个六模块扫描器：内容提取、本地分析、组合分析、验证、报告和缓解。本地分析检测良性技能中的非预期漏洞。在 SkillTrustBench 的 556 个案例排行榜子集上，它实现了 95.90% 的召回率和 4.22% 的误报率；在 1,000 个 MalSkillBench 技能的平衡样本上，其 F1 为 0.947，优于 Cisco 的 Skill Scanner、NVIDIA 的 SkillSpector、AgentSkillsScanner 和 SkillSieve。在来自 75 个星标最多的 GitHub 仓库的 1,587 个技能中，三名分析师确认了 23 个仓库中 59 项发现中的 53 项（89.8% 精确率）。我们为每个漏洞开发了概念验证（PoC）攻击，向维护者披露了 10 个中高危案例，并在其余案例上测试了缓解措施。组合分析通过共享资源、调用和指令介导的交互来建模技能间的依赖关系。在 SCR-Bench 上，其 F1 分数为 0.991（98.7% 精确率，99.6% 召回率），而随 CompoSkill 发布的三种 SkillsGuard 配置为 0.816-0.858。它在 GitHub 上识别出两项组合发现，并经 PoC 攻击验证。缓解模块推荐技能替换、补丁和配置更改。对于 55 项 GitHub 发现中的 47 项，缓解措施在所有试验中阻止了 PoC 攻击，同时保留了测试的合法功能。

提交历史

来自：Asaf Shabtai [查看电子邮件]
[v1] 2026年10月27日星期二 19:43:31 UTC（1,588 KB）