Создание расширенного конвейера аудита безопасности ИИ-навыков с NVIDIA SkillSpector, LangGraph, YARA-правилами, SARIF и CI-политиками
В учебном пособии демонстрируется, как построить конвейер аудита безопасности для ИИ-навыков с использованием NVIDIA SkillSpector, LangGraph, YARA-правил, отчетности SARIF и CI-политик. Процесс включает создание синтетического маркетплейса навыков с чистыми, рискованными, вредоносными и MCP-примерами, их сканирование через конвейер инспекции LangGraph от SkillSpector и организацию результатов в DataFrame. Рабочий процесс включает генерацию SARIF- и Markdown-отчетов, базовые исключения, обнаружение регрессий, пользовательские YARA-правила, расширение графа с помощью пользовательского анализатора секретов и обеспечение соблюдения CI-политик безопасности. Также рассматриваются опциональный семантический анализ с помощью LLM и визуализация распределения рисков.
В этом обучающем материале описывается процесс оценки уровня безопасности AI-навыков (AI skills) с помощью NVIDIA SkillSpector. Создаётся синтетический маркетплейс навыков, содержащий безопасные, потенциально рискованные, заведомо вредоносные примеры, а также примеры на основе MCP (Model Context Protocol — протокол контекста модели). Затем каждый навык проверяется через инспекционный конвейер
Показать ещё ↓
Источник: MarkTechPost —
оригинал