SKILLLITE：基于证据引导的紧凑型 LLM 恶意 Skill 审计

随着基于 LLM 的智能体执行日益复杂的任务，Agent Skills 已成为扩展其能力的一种灵活机制。Agent Skill 将特定任务的指令与可执行组件及辅助资源打包在一起，以提供专门功能。然而，第三方 Skill 的日益普及引入了新的供应链攻击面。恶意 Skill 可能嵌入有害行为，滥用智能体权限，并危害智能体的执行环境或其可访问的资源。尽管近期基于 LLM 的恶意 Skill 审计方法已取得颇具前景的性能，但它们通常依赖能力较强的商业 LLM。如何在安全敏感且资源受限的环境中，利用可在本地部署的紧凑型 LLM 实现有效审计，仍基本未得到探索。我们的研究表明，紧凑型 LLM 难以识别隐藏在复杂 Skill 包中的恶意行为。这一困难既源于此类行为的隐蔽性，也源于紧凑型 LLM 有限的推理能力。为应对这些挑战，我们提出了 SKILLLITE，一种用于恶意 Skill 检测的证据引导型智能体框架。SKILLLITE 能够从复杂 Skill 包中有效提取与安全相关的行为，并推断其预期功能。随后，它利用紧凑型 LLM，根据观测到的行为及其功能语境评估该 Skill 的恶意性。实验表明，在不同的紧凑型 LLM 主干模型上，SKILLLITE 均能提升恶意 Skill 检测效果，并优于现有具有代表性的审计基线方法。其有效性还可推广至现实环境中经行为确认的恶意 Skill。与此同时，SKILLLITE 保持较低的推理延迟，支持其实用化部署。