SkillScreen: High-Recall Screening of Malicious Agent Skills with Decision Models

arXiv cs.CR · 14 oct, 06:00

SkillScreen es un modelo de decisión entrenado para detectar skills maliciosos en agentes de IA de forma automática, leyendo directamente archivos SKILL.md. El trabajo demuestra que modelos específicos para esta tarea consiguen mayor recall (99% en familias de ataque no vistas) y menos falsos positivos que clasificadores a nivel de palabra o LLMs, aunque tienen dificultades con colecciones de skills benignos de fuentes nuevas.