SKILLEMALL.ai

CC supply-chain-guard

Обнаруживает и устраняет атаки на цепочку поставок программного обеспечения в npm, PyPI, crates.io, GitHub Actions и конвейерах CI/CD, сканируя известные скомпрометированные пакеты, вредоносные версии, индикаторы компрометации файловой системы, индикаторы C2 и неправильные конфигурации CI/CD.

машинный переводПоказать оригиналСкрыть оригинал«Detect and remediate software supply chain attacks in npm, PyPI, crate…»

Detect and remediate software supply chain attacks in npm, PyPI, crates.io, GitHub Actions, and CI/CD pipelines by scanning for known compromised packages, malicious versions, filesystem IOCs, C2 indicators, and CI/CD misconfigurations.

davila7/claude-code-templates Agent Skills автор: davila7 MIT 6 файлов · 4 скрипта тело ≈ 1 591 токенов Открыть источникgithub.com↗ проанализирован 6 дн назад

Обнаруживает и устраняет атаки на цепочку поставок программного обеспечения в npm, PyPI, crates.io, GitHub Actions и конвейерах CI/CD, сканируя известные…

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторGitHubИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
C
88/100
безопасность, качество, тесты
Безопасность 60%
86
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
C
56/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Опасные команды средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.

Автору

Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.

Как улучшить

    Для прогона на моделях — необязательно
    • 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 · 6

    ✓ Критических и высоких находок нет

    Средние и низкие: 6
    • средняя Опасные команды cmd-cryptominer references/ioc-database.md:53
      Установка или запуск майнера криптовалюты на машине пользователя (документация security-скилла)
      | sympy-dev | All versions | N/A (remove, use sympy) | XMRig cryptominer | 2026-01-17 |
      security-скилл
    • средняя Опасные команды cmd-persistence scripts/scan-python.sh:226
      Механизм закрепления (cron / launchd / планировщик / автозапуск в реестре) (документация security-скилла)
      CRON=$(crontab -l 2>/dev/null || true)
      security-скилл
    • низкая Опасные команды cmd-cron-mention scripts/scan-python.sh:226
      Упоминание редактирования crontab (документация security-скилла)
      CRON=$(crontab -l 2>/dev/null || true)
      security-скилл
    • низкая Рискованное назначение intent-offensive-security SKILL.md:87
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      5. Check for lateral movement in Kubernetes clusters
    • низкая Рискованное назначение intent-offensive-security SKILL.md:124
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      - Deploys WAV steganography for payload delivery
    • низкая Рискованное назначение intent-offensive-security SKILL.md:125
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (определение детектора / чёрного списка)
      - Targets Kubernetes for lateral movement
      детектор

    Просканировано файлов: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 56/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 11, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (python, node), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 65
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1591 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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 236 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 18 заголовков
    • +3Пошаговые инструкции: 65 пунктов
    • +4Есть примеры (2 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)
    • +3Все 4 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.