KeyFrame內部研究專用

BONUS EPISODE: 76 Malicious AI Skills Were Hiding in Plain Sight

Tessl AI32 min英文
觀看原始影片

三句話摘要

AI Agent開發中Skills安全風險與企業治理:從恶意代碼到提示詞注入,如何通過注冊表與自動掃描保護代碼生成Agent。 AI Agent開發中最關鍵的原則是「不要盲目自動批准」——通過可信註冊表、自動掃描和謹慎權限管理主動構建防線,而非事後應對安全事件。 Skills成為新的攻擊面

重點整理

  1. Skills成為新的攻擊面

  2. Skills是markdown格式的指令文件,包含自然語言與可執行代碼,用於擴展Agent能力。傳統代碼掃描工具無法檢測內嵌的惡意代碼,因為代碼本身可能不運行,而是通過提示詞注入指導Agent生成不安全的生成代碼,導致凭证洩露或未授權操作。

  3. 企業內部Skills風險異於第三方

  4. 內部developers編寫的Skills主要風險來自權限配置不當(如直接暴露生產環境凭证)和安全意識不足,而非惡意意圖。需要從安全反饋角度幫助開發者理解其Skills可能帶來的後果。

  5. 分層次的安全檢查實踐

  6. 應在多個環節執行掃描:使用第三方Skills前掃描、編寫時集成pre-commit hook的自動掃描、共享前進行質量評估。建立可信Skills來源(如Tassel Registry)並進行版本管理,每個版本單獨掃描。

  7. Agent時代需要新型安全工具

  8. 傳統應用安全工具不適用於Agent工作流,需開發新能力:自然語言提示詞注入檢測、供應鏈治理(Skills和MCP服務器管理)、運時行為監控(防止凭证洩露)。

實用技巧與重點

  • 發現的具體數據:
  • Skills包含惡意代碼:76個
  • 案例:Sneak內部某developer編寫的Skill直接暴露生產環境凭证,權限過度寬鬆
  • 工具與平台:
  • Tassel:Skills和context的包管理器
  • Tassel Registry:公開/私有Skills註冊表
  • Tassel Workspace:可建立公開或私有Skills空間
  • Sneak:應用安全公司
  • EVO:Sneak下一代產品系列名稱
  • Sneak即將GA的Agent安全產品功能(EVO):
  • 供應鏈安全(Supply Chain Security)- 組織層監管Skills和MCP服務器使用,進行風險評估,制定policies(如禁止個人訪問令牌)
  • 代碼輸出治理(Govern Agent Output)- Agent生成代碼或下載開源庫時自動安全檢查
  • Agent行為防護(Guarding Agent Behavior)- 防止凭証洩露、提示詞注入、異常行為(Q3 GA預定)
  • 威脅向量分類:
  • 純惡意代碼(malware)
  • 提示詞注入(prompt injection)
  • 權限滥用(過度授權)
  • 供應鏈風險(版本洩露)
  • 最佳實踐:
  • 第三方Skills使用前掃描驗證
  • 自寫Skills集成安全掃描hook
  • 使用可信的Skills來源
  • 不要自動批准(don't go yolo)
  • 對Skills進行版本控制和逐版本掃描

結論

AI Agent開發中最關鍵的原則是「不要盲目自動批准」——通過可信註冊表、自動掃描和謹慎權限管理主動構建防線,而非事後應對安全事件。

完整解析

AI Agent在軟體開發中的廣泛應用帶來了根本性的安全模式轉變。傳統應用安全聚焦於開發者編寫的代碼,但Agent時代開發工作流已改變——開發者不再逐行審查代碼,而是管理一個「Agent團隊」。這種轉變產生了兩大核心挑戰:首先,Agent生成的代碼可能繼承訓練數據中的安全漏洞;其次,對Agent的指導通過上下文(context)和Skills來實現,而這些指導文件本身成為新的攻擊面。

Skills是markdown格式的指令文件,可包含自然語言指導和可執行代碼,用於擴展Agent能力。開發者通過公開註冊表(如Tassel Registry)分享Skills,類似開源生態。然而Sneak在今年3月對Tassel Registry的分析中發現了76個包含純惡意代碼的Skills。更嚴重的是,傳統代碼掃描工具無法有效檢測,因為惡意代碼可能不直接運行,而是通過自然語言提示詞注入指導Agent生成不安全代碼。例如某個Skill可在自然語言部分嵌入提示詞注入,誘導Agent泄露環境凭证或執行未授權操作。

企業內部使用Skills時面臨不同的風險模式。內部developers由於安全意識不足或對新技術理解不深,可能發布存在漏洞的Skills。Sneak親身經歷過這種情況:一位開發者編寫的Skill直接提供生產環境凭证給Agent,權限過度寬鬆,沒有採用即時注入或只讀訪問等安全實踐。這反映出,即使在安全意識高的組織中,從Agent安全角度看待開發實踐仍是新概念。

針對這些挑戰,Tassel和Sneak推出了重要合作:自動安全掃描集成到Tassel Registry。開發者上傳Skills時,Sneak掃描工具會自動分析提示詞注入風險和凭証處理不當。版本管理也被納入——系統為每個版本單獨掃描,防止開發者在不知情下下載到更新後的惡意版本。對企業內部的Skills,掃描目的從防止惡意代碼轉向幫助developers理解Skills可能帶來的安全後果,例如是否會導致「致命三角」(提示詞注入+凭証洩露)。

Sneak即將推出的EVO產品線提供了系統性解決方案。供應鏈安全功能讓企業在組織層監管developers使用的Skills和MCP服務器,實施策略如禁止個人訪問令牌。代碼輸出治理則將傳統代碼安全檢查融入Agent工作流,確保生成或下載的代碼符合標準。Agent行為防護直接監控運時行為,防止凭証洩露和異常操作。設計目標是賦權安全團隊在不犧牲Agent生產力的前提下實現治理。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。