Skill 보안을 '악성코드 탐지'에서 '능력 감사'로
악의 여부뿐 아니라, 활성화된 Skill이 Agent에 부여하는 승인이 필요한 능력을 가려낸다. CleanSource skills v2 감사 엔진 탑재.
완전히 투명하고 선언한 대로 동작하는 Skill이라도 기밀을 외부로 전송하고, 기업 API 키로 제3자에 도달하며, 시스템에 쓸 수 있다. 악의는 없다——그럼에도 기업의 어드미션 경계를 넘을 수 있다
'악의가 있는가'에서 '활성화되면 무엇을 얻고, 어디에 도달하며, 무엇을 바꾸는가'로.
이분법적 안전/악성이 아니라 block / need_review / pass——정당하지만 고영향인 것과 확인된 악성을 구분.
입력 가시성, 명령·런타임 실행, Agent 권한·아이덴티티, 데이터·메모리, 자산 비용·실세계 행동, 악용 회피, 공급망 생태계를 망라.
키워드로 차단하지 않음——언급 수준부터 명령과 설정, 실행 가능한 체인, 런타임 지속성까지 증거 강도로 등급화.
빌드 파일, 나아가 자연어 설치 의도에서 의존성 후보를 추출해 버전 단위로 오염 인텔리전스와 대조.
모든 판정이 SKILL.md 행까지 특정한 증거와 처분을 동반——감사·검토 가능하며 키워드 일치＝판정이 아님.
3단계 판정을 CI/CD와 Skill 마켓플레이스 심사에 내장하고 JSON을 SCA/SBOM, IAM/DLP, SIEM/SOAR, 티켓팅으로 출력.
Skill의 매니페스트와 구현을 파싱해 그 진짜 능력 경계——파일, 네트워크, 셸 실행, 시크릿 접근——를 복원하고 고위험 능력을 표시.
SKILL.md와 구현에서 실제 권한을 추출.
선언을 넘어선 숨겨진 능력을 탐지.
셸 실행, 시크릿 읽기 등을 우선 경고.
의존성 출처와 명명 특징을 대조해 위장 패키지(typosquat), 탈취된 버전, 악성 주입을 식별——매칭되면 즉시 차단·경고.
유사 명명의 typosquat 패키지를 포착.
게시자와 버전 무결성을 검증.
매칭되는 순간 경고하고 도입을 차단.
Skills-for-Skills 접근으로 감사 플로 자체를 동적으로 로드·확장 가능하게.
베이스라인 정적 스캔으로 명백히 악성인 샘플을 배제——기존 SAST/SCA가 이미 커버하는 부분.
SKILL.md 자연어 설명과 실제 코드 동작을 대조해 말과 행동의 불일치를 포착.
구조화 태그와 증거 등급으로 단일 Skill을 평가하고 다중 Skill 협업에서 생기는 공격 체인을 탐지.
멀웨어 탐지는 '악성 여부'만 답합니다. SkillSec은 이를 능력 감사로 격상합니다 — 완전히 무해한 Skill도 기밀을 유출하거나 기업 자격 증명으로 제3자에 도달할 수 있습니다. 감사는 7개 리스크 도메인, 30개 이상의 구조화 태그, E1–E5 증거 등급을 포괄합니다.
block / need_review / pass 3단계 판정에 SKILL.md 행 번호까지 정밀한 증거 체인을 첨부 — 기업 Agent Skill 등재·활성화의 승인 게이트로 직접 기능합니다.
Claude Skills, MCP를 포함한 주요 Agent 확장 생태계의 매니페스트 감사와 행위 분석을 지원합니다.
아니요. 분석은 주로 정적입니다 — SKILL.md 같은 자연어 선언과 스크립트 구현을 모두 읽고 일치성을 검사해, 운영 환경에서 아무것도 실행하지 않고 판정을 냅니다.
Skill 등재·활성화 전 승인 게이트로서 사내 Skill 마켓플레이스나 Agent 플랫폼 승인 흐름에 연결하며, block / need_review / pass 판정이 승인 액션을 직접 구동합니다.
네. 공개 마켓플레이스든 사내 개발이든 모든 Skill 패키지를 감사할 수 있으며, 릴리스 전에 능력 월권과 선언-구현 불일치를 드러냅니다.
공급망 포이즈닝이 npm 패키지에서 MCP 서버와 Agent Skill로 확산되고 있다. xz, Shai-Hulud, postmark-mcp 사례를 되짚으며 악성코드 탐지만으로는 부족한 이유를 설명한다.
코드가 AI에 의해 대량 생산되고 의존성이 Agent에 의해 자동으로 끌려오는 시대, 기존의 '스캔하고 인벤토리화' 패러다임은 무너지기 시작한다. 보안은 사후에서 생산의 순간으로 옮겨가야 한다.
여러 연구가 AI 생성 코드의 약 40%에 악용 가능한 결함이 있다고 보고하는 한편, AI 어시스턴트를 쓰는 개발자의 자신감은 오히려 높아진다. 실증 데이터와 4가지 메커니즘, '생산 순간'으로의 탐지를 개발 초기 단계로 앞당기기를 다룬다.
商务合作
微信公众号