摘要
开放代理平台允许社区贡献可复用技能，但这引入了供应链风险：恶意贡献者可在看似无害的技能中隐藏有害行为。由于缺乏同时衡量恶意技能检测与运行时验证的基准，现有防御难以评估。本文提出 SkillVetBench，一个两阶段安全审查基准：首先对技能的自然语言规范进行语义审查以检测隐藏意图，随后在沙箱中执行 flagged 技能以观察运行时行为并收集证据。实验表明，仅靠语义或签名的基线方法不足以应对复杂威胁，而该基准能通过执行轨迹提供具体的恶意判定证据。
AI 推荐理由
论文核心研究 Agent 技能生态的安全检测与验证，直接针对技能的发布、调用及恶意行为。
研究机构
University of Texas at El Paso, TX, USA
Southern Illinois University-Carbondale, IL, USA
Purdue University, IN, USA
论文信息