Skills 投毒不只包含恶意提示词，也可能包含恶意程序、操作、指令、文件或诱导下载木马。
安全治理不能只做 prompt 审核，还需要对代码段、二进制、依赖图和可执行文件进行静态检测。
证据等级：user_provided_json / needs_public_verification
Security GovernanceSkills 防投毒PDG + TransformerAI for Security
安全治理 · Skills/插件防投毒
基于程序依赖图的代码段检测，识别恶意 Skills/插件/下载文件中的恶意代码段和可执行文件，目标精度 >95.5%
围绕 AI for Security 构建恶意代码自动识别能力，用于源代码分析、恶意代码检测和验证。
95.5%目标精度阈值
4技术流程
5关键技术
4LRI 落地方向
专题定位
把 Skills、插件、下载文件、模型输入代码段中的恶意行为纳入 Agent 安全治理前置门禁。
基于静态调用图和行为序列的检测，可以在无法信任包元数据或动态轨迹时工作。
适合 Skills、插件、下载文件、模型输入代码段等供应链场景的前置检测。
证据等级：user_provided_json / needs_public_verification
SHAP 归因可以把恶意判定回溯到具体代码位置。
安全系统不仅要给出风险分数，还要给审核员可解释证据链。
证据等级：user_provided_json / needs_public_verification
程序依赖图子图匹配可从完整函数下探到代码片段，并兼容源码和二进制检测。
适合识别隐藏在 Skills、插件或下载内容中的局部恶意片段。
证据等级：user_provided_json / needs_public_verification
安全边界
页面只展示不可执行脱敏样例，不保留真实攻击 payload。
证据边界
本专题基于用户提供 JSON 建立，不等同于已完成外部事实核验；涉及外部论文、产品和专家信息需后续补充公开来源。