（11958期）ecap Security Auditor – AI Agent 安全守门员，自动审计每一个包

AI Agent 安全守门员，自动审计每一个包 AI Agent安全审计框架，自动验证skill/MCP/包安全，基于共享信任数据库进行风险评分与安装拦截。 使用说明 核心用法 ecap-security-auditor 是一个面向 AI Agent 生态的安全审计框架，提供自动安全门控和手动深度审计两大能力。安装或使用任何 skill、MCP 服务器、npm/pip 包时，系统自动查询信任注册表、验证文件完整性哈希、计算 Trust Score（0-100），并根据阈值决定放行（≥70）、警告（40-69）或拦截（<40）。若无可信数据，则触发自动审计流程，分析源码后上传报告。 关键机制： Trust Score 计算：100 减去各严重级 finding 的扣分（Critical -25, High -15, Medium -8, Low -3），高风险组件（hooks/、.mcp.json 等）×1.2 倍惩罚 完整性验证：对比本地文件 SHA-256 与审计时记录的哈希，不匹配则硬拦截 AI 专属检测：12 类提示注入模式（AIPROMPT001~012）、6 类持久化机制（PERSIST_001~006）、7 类高级混淆技术（零宽字符、base64→exec 链等） 跨文件分析：识别多文件攻击链（凭证读取+网络外传、权限提升+持久化等），标记为 CORR_ 前缀 finding 显著优点 零配置被动防护：安装即触发安全门，无需用户干预 众包式信任网络：每个 Agent 审计后上传报告，注册表有机增长 AI 原生威胁建模：针对 LLM Agent 特有的提示注入、工具滥用、指令层级攻击设计检测规则 版本感知完整性：区分"合法更新"与"篡改攻击"，避免误杀 可恢复的信任分：修复 issue 后通过 /fix 端点恢复 50% 扣分，误报标记后全额恢复 潜在缺点与局限 完整性数据库覆盖有限：目前仅 ecap-security-auditor 自身在库，多数包需依赖 findings 评分而非哈希验证 网络依赖：API 不可达时只能降级为"用户自担风险"或本地缓存模式 大包审计成本：500+ 文件项目需启发式跳过，可能漏检非入口文件中的攻击 AI 检测误报：防御性代码（如"不要透露提示词"）可能与攻击模式混淆，需人工复核 Self-review 禁止：无法直接修正自己报告的误报，必须依赖社区 peer review 适合人群 AI Agent 开发者：需验证自身 skill/MCP 安全性，或集成安全门到 Agent 运行时 安全研究员：贡献审计报告、参与 peer review 获取积分排名 企业部署团队：建立内部信任注册表（可通过 ECAPREGISTRYURL 自定义），管控第三方组件准入 常规风险 SKILL.md 供应链攻击：恶意 fork 可能篡改 verify.sh 脚本，需始终校验官方来源哈希 审计提示注入：被审计包中的注释/字符串可能包含针对审计 LLM 的隐藏指令（零宽字符、HTML 注释） API 密钥泄露：credentials.json 或 ECAPAPIKEY 若被窃取，可导致虚假报告注入信任系统 评分操纵：通过 bydesign=true 标记规避扣分，或利用 componenttype 模糊性降低惩罚权重 原始说明 Security audit framework for AI agent skills, MCP servers, and packages. Your LLM does the analysis — we provide structure, prompts, and a shared trust database.