SKILLEMALL.ai
GitHub ↗ EN Войти

DC detecting-indirect-prompt-injection

Обнаруживает и защищает от косвенного внедрения подсказок (prompt injection), скрытых в веб-страницах, документах и изображениях, потребляемых агентом, посредством извлечения контента (HTML/PDF/OCR), нормализации и сканирования с помощью сканера PromptInjection от LLM Guard или Prompt Guard 2 от Hugging Face. Используйте, когда агент обрабатывает недоверенный внешний контент, и вам нужно проверить его на наличие внедренных инструкций перед обработкой LLM.

машинный переводПоказать оригиналСкрыть оригинал«Detect and defend against indirect prompt injection hidden in web page…»

Detect and defend against indirect prompt injection hidden in web pages, documents, and images consumed by an agent, via content extraction (HTML/PDF/OCR), normalization, and scanning with LLM Guard's PromptInjection scanner or Hugging Face Prompt Guard 2. Use when an agent ingests untrusted external content and you need to screen it for injected instructions before the LLM processes it.

Не рекомендуетсяесть критические или высокие находки безопасности · низкая оценка D
mukul975/Anthropic-Cybersecurity-Skills Agent Skills автор: mukul975 Apache-2.0 5 файлов · 1 скрипт тело ≈ 2 578 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Обнаруживает и защищает от косвенного внедрения подсказок (prompt injection), скрытых в веб-страницах, документах и изображениях, потребляемых агентом…

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, ошибки и развилки

АнализаторИИ и агентыБезопасностьтип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
D
76/100
безопасность, качество, тесты
Безопасность 60%
77
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
C
56/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Чем это грозит

Скилл содержит фрагменты, которые в чужих руках стоят денег или данных. Ниже, что рискует потерять тот, кто установит, и что должен сделать автор.

Обфускация
Если установить

В файлах есть невидимые символы, закодированные команды или спрятанные комментарии для модели. То, что вы читаете, отличается от того, что видит агент.

Автору

Уберите невидимые символы (часто они попадают из копипаста) и закодированные строки: их не пропустит ни один каталог. Инструкции для модели должны быть видны и человеку.

Как улучшить

  1. Разберите находки высокой серьёзности: каждая стоит 18 баллов безопасности. Если это ложное срабатывание, добавьте код правила в guard.allow в spec.yaml.
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 · 2

  • высокая Обфускация uni-zero-width SKILL.md:115
    Невидимые символы нулевой ширины (возможен скрытый текст) (5 шт.)
    ZERO_WIDTH = dict.fromkeys(map(ord, "␀␀␀␀␀"), None)
Средние и низкие: 1
  • средняя Обфускация uni-zero-width scripts/agent.py:24
    Невидимые символы нулевой ширины (возможен скрытый текст) (5 шт.)
    ZERO_WIDTH = dict.fromkeys(map(ord, "␀␀␀␀␀"), None)

Просканировано файлов: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • заметка frontmatter-key неизвестное поле фронтматтера "domain"
  • заметка frontmatter-key неизвестное поле фронтматтера "subdomain"
  • заметка frontmatter-key неизвестное поле фронтматтера "nist_ai_rmf"
  • заметка frontmatter-key неизвестное поле фронтматтера "atlas_techniques"

Процессный рейтинг: все десять параметров 56/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 23
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2578 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 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
  • -42 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • -31 из 1 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 390 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 17 заголовков
  • +3Пошаговые инструкции: 23 пунктов
  • +4Есть примеры (7 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.