NVIDIA SkillSpector 今日发布

NVIDIA SkillSpector 简介

SkillSpector 是由 NVIDIA 官方推出的 AI Agent 技能安全扫描工具，专门用于在安装第三方 AI 编程助手技能（Skills）之前检测其中的安全漏洞与恶意模式。随着 Claude Code、Codex CLI、Gemini CLI 等 AI 编程工具的生态不断扩张，第三方技能包的来源日益复杂——研究数据显示，约 26.1% 的社区技能存在安全漏洞，5.2% 可能包含恶意意图。SkillSpector 正是为解决这一信任危机而生的基础设施级工具。

核心能力

71 种漏洞模式，覆盖 17 大安全类别：SkillSpector 内置了覆盖提示词注入（Prompt Injection）、数据泄露（Data Exfiltration）、权限提升（Privilege Escalation）、供应链攻击（Supply Chain）、过度代理（Excessive Agency）、输出处理（Output Handling）、系统提示词泄露、内存污染、工具滥用、恶意 Agent、抗拒绝服务、触发器滥用、危险代码（AST 级别）、污染追踪、YARA 签名、MCP 最小权限以及 MCP 工具投毒等全面的检测规则。

双阶段分析架构：工具首先执行快速静态分析，扫描代码结构、文件引用和权限声明；随后可选地调用 LLM 进行语义级评估，深入理解技能的潜在危害行为。

实时 CVE 查询：集成 OSV.dev 实时漏洞数据库，扫描时自动查询已知漏洞并标注关联 CVE 编号，同时支持网络不可达时的离线降级。

多输出格式：支持终端彩色输出、标准 JSON 结构化报告、Markdown 友好报告以及 SARIF 格式（供 CI/CD 流水线集成）。

风险评分体系：对每个技能包给出 0~100 的综合风险评分，并按严重程度分级（Critical / High / Medium / Low / Info），帮助用户快速决策是否安装。

多格式输入支持：支持直接扫描 Git 仓库、URL 链接、ZIP 包、本地目录或单个文件，灵活适配不同来源的技能包。

安装配置

方式一：pip 安装（推荐）

pip install skillspector
skillspector --help

方式二：Docker 运行

docker pull nvcr.io/nvidia/skillspector
docker run --rm nvcr.io/nvidia/skillspector scan 

方式三：作为 Pi 工具扩展 NVIDIA 还提供了 SkillSpector 作为 PI 桌面编程助手的内置工具，可在 Agent 会话内部直接调用扫描命令，无需切换外部终端。

使用步骤

第一步：安装 SkillSpector 根据上述任一方式完成安装，确保 Python 3.10+ 环境。

第二步：扫描目标技能包

skillspector scan https://github.com/用户/可疑技能

或扫描本地路径：

skillspector scan ./my-skill-package

第三步：解读扫描报告 工具会输出风险评分、各类别漏洞数量及具体问题描述。按 Critical > High > Medium 优先级依次处理。

第四步：集成到 CI/CD 流水线（可选） 使用 SARIF 输出格式配合 GitHub Actions 或 Jenkins，在团队内部强制安装前安全审查：

skillspector scan . --format sarif > skillspector-report.sarif

适用场景

场景一：安装第三方 Skills 前安全审查 在团队内部推广 AI 编程助手时，IT 安全部门可将 SkillSpector 作为强制门禁，任何第三方技能包安装前必须通过扫描并获得低风险评级。

场景二：开源技能库批量审计 对于运营技能市场或插件商店的团队，可定期对库内所有技能执行批量扫描，及时发现新披露的漏洞并通知用户。

场景三：供应链攻击防御 攻击者可能在流行技能包更新时植入恶意代码。SkillSpector 的双阶段分析能够捕捉依赖引入和权限声明异常，帮助防御此类供应链攻击。

场景四：个人开发者风险自检 个人开发者在安装不知名来源的技能前运行一次扫描，可有效规避提示词注入或数据泄露风险。

适用人群

企业安全团队、IT 管理员、AI 编程工具推广负责人、开源技能市场运营者，以及任何重视 AI 编程环境安全性的开发者。

工作原理

SkillSpector 的分析管线分为两个核心阶段。第一阶段：静态分析，通过正则匹配、AST 解析和权限声明检查，快速识别已知漏洞模式和异常权限请求。第二阶段：LLM 语义评估（可选），将技能包的完整内容发送给大语言模型，由模型判断是否存在隐蔽的危害行为，例如在特定条件下触发文件外发或提示词覆盖。评估结果结合 OSV.dev 的 CVE 数据生成最终风险报告。整个过程在本地执行，技能包内容不会上传至 NVIDIA 或任何第三方服务器（离线模式除外）。

官方链接

GitHub 仓库：https://github.com/NVIDIA/SkillSpector

NVIDIA Skills 官方目录：https://github.com/NVIDIA/skills

扫描指南（官方文档）：https://docs.nvidia.com/skills/scanning-agent-skills