Parth A. Gandhi 等研究人员于 2026 年 10 月 27 日向 arXiv 提交了论文 Scan Before You Install: Detecting and Mitigating Local and Composite Vulnerabilities in Skills。作者报告了一套包含六个模块的扫描工具,用于发现智能体技能内部的非恶意漏洞,以及技能交互产生的组合漏洞。这是一份研究报告;保存的摘要没有指明已修复的软件版本。[1]
技能将自然语言指令、脚本和参考文件打包,供基于大语言模型的智能体加载。在用户授权的权限范围内,技能可能访问文件、Shell 和网络。作者称,现有扫描工具主要关注恶意技能,并逐个分析技能,因此可能遗漏正常技能包中的缺陷,以及通过共享资源、调用或指令产生的交互问题。[1]
作者报告,在 GitHub 获星最多的 75 个仓库所包含的 1,587 个技能中,三名分析人员确认了 59 项发现中的 53 项,涉及 23 个仓库。他们还报告了两项通过概念验证攻击确认的组合问题。在 SCR-Bench 上,组合分析的 F1 分数为 0.991,作为对照的三种 SkillsGuard 配置为 0.816–0.858。这些结果均来自作者报告。[1]
缓解模块建议替换技能、应用补丁或调整配置。作者称,在 GitHub 的 55 项发现中,有 47 项采用缓解措施后,在全部试验中阻断了概念验证攻击,同时保留了受测的正常功能。这一结论的范围限于这些攻击和功能检查。[1]
[1]: Scan Before You Install: Detecting and Mitigating Local and Composite Vulnerabilities in Skills,arXiv,2026 年 10 月 27 日。
来源
核查或更正本页
- 更正
- 提交更正请求 · 在 GitHub 编辑源文件 · 更正政策