（7247期）Capability Graph Mapper – 技能组合风险可视化分析工具

技能组合风险可视化分析工具 分析AI agent技能组合时产生的复合权限风险，揭示单个技能安全但组合后形成数据泄露等高危能力的隐蔽攻击面 使用说明 核心用法 capability-graph-mapper 是一款面向 AI agent 生态系统的权限组合分析工具，通过构建技能间的能力依赖图来发现"涌现性风险"——即多个技能单独通过安全审查，但组合后产生高危能力的隐蔽攻击面。 使用流程： 输入 agent 已安装的技能清单或配置文件 系统枚举每个技能的声明权限（文件读取、网络请求、Shell 执行、环境变量访问等） 计算技能间的两两组合与多跳传递链（A→B→C） 输出权限矩阵、风险组合告警、特权面评分（0-100）及人工审查建议 显著优点 填补安全空白：传统 npm audit 关注依赖漏洞，本工具专注 AI agent 特有的"能力涌现"风险 多粒度分析：支持单技能评估、存量 agent 全量扫描、新增技能增量分析（Delta）三种模式 量化风险：特权面评分将抽象的组合风险转化为可比数值，便于优先级排序 实战导向：内置数据外泄、凭证窃取等典型攻击模式库，直接输出可操作的审查建议 潜在局限 静态分析瓶颈：依赖技能声明的权限，动态运行时请求的能力可能漏检 模式库边界：已知危险组合（读取+发送、解析+执行）可识别，新型攻击链需人工补充 评分相对性：67/100 等分数为相对比较值，非绝对风险度量 误报可能：合法业务场景中的技能组合可能被标记为高风险 适合人群 | 角色 | 场景 ||------|------|| AI Agent 平台安全团队 | 上线前技能组合审查 || 企业内 Agent 架构师 | 评估第三方技能引入风险 || 红队/安全研究员 | 挖掘多技能协同攻击路径 || 合规审计人员 | 证明已执行组合权限分析 | 常规风险 过度信任评分：低分不代表绝对安全，需结合业务场景人工复核 配置泄露：输入的技能清单可能暴露内部架构，建议在隔离环境执行 滞后性：新型 agent 架构（如 ReAct 循环中的动态工具调用）可能超出当前分析模型 原始说明 Helps map the composite permission surface across AI agent skill dependency chains. Traces what each skill can do individually, then computes what they can d...