（13336期）aegis-skill-vetter – AI 技能零信任安全审查系统

AI 技能零信任安全审查系统 企业级AI技能安全审查系统，五层深度检测协议，自动化风险评分，零信任代码分析，为AI代理安装第三方技能前提供权威安全决策。 使用说明 Aegis 天鉴：AI 代理的零信任安全守门人 核心用法 Aegis 天鉴是一套专为 AI Agent 设计的防御性安全技能，采用五层递进式审查协议： 来源信誉评估 —— 基于仓库类型、作者历史、社区指标（stars/forks/更新频率）量化信任分数 静态代码分析 —— 自动化检测 10 类 CRITICAL 危险信号（数据外传、eval/exec、凭证窃取、记忆文件访问等），触发即拒绝；同时标记网络请求、文件写入等 WARNING 信号需人工复核 权限范围分析 —— 建立读写执行权限矩阵，严格区分工作区/用户配置/系统文件的访问边界 依赖链分析 —— 审计依赖数量与来源，50+ 依赖直接拒绝，阻断已知漏洞组件 行为意图分析 —— 比对声明功能与实际代码的一致性，识别未声明副作用 系统输出标准化审查报告（含风险评分 0-100、四级风险等级、完整审计追踪），并提供 AI Agent 快速决策树，支持自动化集成到技能安装流程。 显著优点 量化可审计：将主观安全判断转化为 100 分制评分与四级风险标识，结果可比较、可追溯 零信任架构：默认不信任任何外部代码，CRITICAL 信号触发自动拒绝机制，无人工干预漏洞 AI 原生设计：决策流程为机器可执行格式（YAML/JSON），grep 自动化检测脚本可直接嵌入 Agent 工作流 防御深度：五层协议覆盖从供应链（来源）到运行时（行为）的全链路风险 社区适配：针对 GitHub/ClawHub/skillhub 等不同来源定制评估权重 潜在局限 静态分析盲区：无法检测运行时动态生成的恶意代码或依赖混淆攻击 误报成本：加密操作、子进程等 WARNING 信号在合理场景下需人工复核，可能降低自动化效率 评分主观性：作者信誉、社区指标等维度权重未公开校准数据，存在人为调整空间 生态依赖：依赖 npm audit/pip-audit 等外部工具，若这些工具自身存在漏报则审查失效 无运行时防护：审查通过后的技能若被远程更新或遭遇供应链攻击，系统无持续监控能力 适合人群 AI Agent 开发者：需为自主决策 Agent 建立技能安装安全闸门 企业安全团队：管理多来源（GitHub/内部/第三方）技能仓库的合规审查 高敏感度场景用户：处理机密数据、金融信息或关键基础设施的 AI 工作流 开源技能市场运营方：如 ClawHub/skillhub 需建立入驻安全标准 常规风险 审查通过≠绝对安全：系统明确声明"未执行安全扫描"时仅为占位报告，实际风险未知 供应链延迟：依赖外部审计工具（npm audit 等）可能因漏洞数据库滞后产生漏报 社会工程绕过：精心伪装的高信誉来源（盗号/虚假 stars）可能通过第一层评估 权限升级路径：工作区文件写入若配合路径遍历漏洞，可能突破预设边界 报告伪造风险：若审查报告生成逻辑被篡改，CRITICAL 信号可能被静默过滤 原始说明 Enterprise-grade security vetting protocol for AI agent skills. Automated threat detection, quantified risk scoring, and zero-trust code analysis.