KeyFrame內部研究專用

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

Tessl AI·7月23日週四·32 min英文

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

重點
  • 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

乾貨
  • 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

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

詳細

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。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 安全」的內容

SN 1093: Tokens in the Stream - Why LLMs are inherently insecure and prompt injection will persist
168 min
AI 安全英文PODCAST8月25日

SN 1093: Tokens in the Stream - Why LLMs are inherently insecure and prompt injection will persist

Security Now

  • Token 流的基礎設計:LLM 不具備狀態管理能力,所有輸入都被視為等值的 token 序列。系統無法區分「這是系統指令」和「這是外部資料」,只能依靠訓練期間習得的格式識別能力,這本質上是脆弱的。
  • 格式標籤的虛幻邊界:系統標籤、使用者標籤、工具標籤等都只是特殊 token,模型被訓練成「該尊重系統標籤的命令」,但 token 流裡沒有硬性邊界。移除標籤格式後,攻擊成功率從 61% 跌至 10%,證明安全性完全依賴於格式。
  • 蒸餾與超級模型現象:企業用較成熟模型的輸出訓練新模型(蒸餾),相當於把前一代模型的行為與缺點複製給下一代。即使競爭對手未直接存取,互聯網上充滿 AI 生成內容,導致模型行為自然收斂,難以追蹤蒸餾是否發生。
Unlock Agent Autonomy: The Runtime for AI-Native Systems — Tushar Jain, Docker
22 min
AI 安全中文8月20日

Unlock Agent Autonomy: The Runtime for AI-Native Systems — Tushar Jain, Docker

AI Engineer

  • 1. 代理權限動態擴張的根本問題
  • 當代理被要求調查延遲尖峰時,它會自動擴展訪問需求——先請求日誌訪問,再要求 GitHub 儲存庫權限,最後要求 Slack 訪問。每一步都超越了信任邊界,最終導致代理擁有不受控制的全系統訪問權。傳統軟體可以提前定義權限,但自主代理的需求在運行時動態變化,這是核心難題。
  • 2. 多模型、多平台的統一防控需求
SANS Stormcast Wednesday, August 19th, 2026: Copilot as Whitstleblower; GEEKOM Bad Driver; Medusa Update; Encrypted AI
8 min
AI 安全英文PODCAST8月19日

SANS Stormcast Wednesday, August 19th, 2026: Copilot as Whitstleblower; GEEKOM Bad Driver; Medusa Update; Encrypted AI

SANS Stormcast

  • AI 系統的存取控制難以真正實施,因為一旦資料被 AI 系統存取,攻擊者總能找到繞過安全防護的方式提取資料。伺服器端請求偽造(SSRF)在聊天機器人中常見,攻擊者可騙誘 AI 系統向指定 URL 發送請求並將響應內容洩露給攻擊者。
  • Copilot 漏洞的完整利用鏈包括三個步驟:預填含惡意提示的 URL、誘導使用者點擊、利用 AI 的網頁擷取能力將敏感資料外洩到攻擊者控制的伺服器。Microsoft 的修補方案是限制允許的連結類型,犧牲了與其他系統的整合便利性以換取安全性。