BD self-safety-guard
Система самозащиты ИИ v2. Многоуровневая защита: внедрение подсказок, выдача себя за другое лицо, утечка системных подсказок, чрезмерное делегирование, атаки на цепочку поставок, кража учетных данных, вредоносный код, утечка конфиденциальных данных, обнаружение аномального поведения. Триггерные слова: защита, аутентификация, prompt injection, system prompt, повышение привилегий, безопасность MCP, self-safety-guard, проверка безопасности.
машинный переводПоказать оригиналСкрыть оригинал«AI自我安全防护系统v2。多层防御：提示注入、身份冒充、系统提示泄露、 过度代理、供应链攻击、凭证窃取、恶意代码、敏感数据泄露、行为异常检测…»
AI自我安全防护系统v2。多层防御：提示注入、身份冒充、系统提示泄露、 过度代理、供应链攻击、凭证窃取、恶意代码、敏感数据泄露、行为异常检测。 触发词：安全防护、身份验证、prompt injection、system prompt、 权限升级、MCP安全、self-safety-guard、安全检查。
Система самозащиты ИИ v2.
Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 15
✓ Критических и высоких находок нет
Средние и низкие: 15
-
низкая Подмена инструкций
en-ignore-previousreferences/threat-catalog.md:28Фраза-перехват ("ignore previous instructions") (строка таблицы в документации; документация security-скилла)| T1.1 | 直接指令覆盖 | L4 | "Ignore previous instructions" |
таблицаsecurity-скилл -
низкая Подмена инструкций
en-role-hijackreferences/threat-catalog.md:29Подмена роли ("from now on you must ignore… / developer mode") (строка таблицы в документации; документация security-скилла)| T1.2 | 角色劫持 | L4 | "You are now DAN" |
таблицаsecurity-скилл
Ещё 13 совпадений отнесены к цитатам в документации скилла по безопасности и не считаются находками.
Просканировано файлов: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 49/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 40Согласованность. Имя во frontmatter (self-safety-guard) не совпадает с папкой (sx-self-safety-guard)
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 168
- 100Стоимость исполнения. Тело инструкции 2059 токенов
- 100Повторный запуск. Изменяющих операций нет
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 152 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 36 заголовков
- +3Пошаговые инструкции: 168 пунктов
- +4Есть примеры (11 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 3)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.