Skill Scanner – 用于 AI 代理技能的安全扫描器

它是什么 – 一个开源命令行工具（和 Python SDK），用于静态分析 AI 代理的技能包（例如 OpenAI Codex、Cursor、Claude），以寻找风险模式，例如提示注入、数据外泄或恶意代码。它结合了多种检测引擎（YAML/YARA 签名、基于 AST 的数据流分析、可选的 LLM 作为评判，以及基于 CEL 的决策层），并且可以插入 CI/CD 管道。

---

核心功能

功能	运作方式	寻找目标
静态签名扫描	YAML 规则文件 + YARA-X 模式	已知的恶意字符串、不安全的命令、可疑的 API 调用
字节码完整性	检查已编译的 .pyc 文件	被篡改或注入的字节码
管道污点分析	解析 shell 管道的源-接收器流程	命令注入向量
行为 / AST 分析	建立抽象语法树并跟踪数据流	提示注入、不安全的数据处理
LLM 语义分析（可选）	将技能描述和代码发送给 LLM（Anthropic 或 OpenAI），并将响应解释为发现	签名遗漏的上下文感知恶意意图
元分析器（可选）	关联发现、过滤误报、排序严重性	减少重叠规则的噪声
云端 AI 防御	调用 Cisco 的 AI-Defense 服务进行额外筛选	云端托管的威胁情报
VirusTotal 集成	哈希查询 / 可选文件上传	与技能捆绑的已知恶意软件二进制文件
CEL 决策层	使用官方 cel-go 运行时来评估类型化事实并执行策略（关闭 / 影子 / 强制）	确定性、有界规则应用

扫描器可以在单个技能目录上运行，也可以在技能仓库上递归运行，并且可以以多种格式输出结果（JSON、SARIF、HTML、Markdown 等）。

---

典型工作流程

1. 安装 – pip install cisco-ai-skill-scanner（或通过 uv）。
2. 配置 – 为您要使用的任何 LLM 或云端 API 设置环境变量。
3. 运行 –

   skill‑scanner scan /path/to/skill \
       --use-behavioral --use-llm --enable-meta \
       --format sarif --output results.sarif
   

   该命令执行静态、行为和可选的 LLM 引擎，应用 CEL 策略，并写入 GitHub Code Scanning 可以显示的 SARIF 报告。
4. CI/CD – 添加可重复使用的 GitHub-Actions 工作流或 pre-commit hook，以便每个拉取请求都自动扫描。
5. 审查 – 检查 HTML 或 SARIF 报告；发现会按严重性分类（信息、低、中、高、严重）。「无发现」结果仅为尽力而为 – 它不保证技能是安全的。

---

谁应该使用它

• AI 代理的开发者，他们发布可重复使用的技能包，并需要在发布前进行自动化护栏。
• 安全团队，他们想要将 AI 技能扫描集成到现有的 CI 管道中。
• 平台运营商（例如，内部 AI 市场），他们必须对贡献的技能强制执行基线安全策略。

---

限制（如 README 中所述）

• 扫描器是尽力而为；它无法检测新颖或零日攻击技术。
• 预期会出现误报和漏报；建议进行策略调整和手动审查。
• 某些高级分析（LLM、云端 AI-Defense）需要外部 API 密钥，并可能产生费用。
• CEL 规则集目前处于影子模式，这意味着发现会被报告，但不会自动抑制。

---

快速入门速查表

# 安装
pip install cisco-ai-skill-scanner

# 简单扫描（仅静态）
skill-scanner scan ./my-skill

# 完整扫描，包含行为 + LLM + 元过滤
skill-scanner scan ./my-skill \
    --use-behavioral --use-llm --enable-meta \
    --policy strict --format html --output report.html

# CI 集成（GitHub Actions）
# 添加 docs/github-actions.md 中显示的可重复使用工作流

---

底线 – Skill Scanner 是一个真正的、积极维护的安全分析工具，针对 AI 代理技能包的新兴领域。它将传统的静态分析技术与可选的 LLM 驱动语义检查和可编程的 CEL 策略层相结合，使其适用于本地开发者使用和自动化 CI/CD 强制执行。