SkillsScout
SECURITY-COMPLIANCE ／ 安全与合规

model-supply-chain-unitoneai-securityskills

收录日期 2026-08-08·来源仓库 ↗
受欢迎程度
5
可用程度与相关性
9
安全性
9
7.7SCOUT SCORE

1. 基本信息

项目 内容
名称 model-supply-chain（UnitOneAI/SecuritySkills 合集内子技能）
作者/维护者 UnitOneAI（GitHub 组织账号，署名 unitoneai）
来源链接 https://github.com/UnitOneAI/SecuritySkills/tree/main/skills/ai-security/model-supply-chain
许可证 MIT（GitHub API 获取）
GitHub Stars 44（整仓库，GitHub API 获取；合集仓库整体数字，不代表本子技能个体热度）
Forks 128（整仓库，GitHub API 获取）
最新版本 SKILL.md frontmatter 标注 1.0.2（GitHub API 获取，仓库未发布正式 Release）
安装方式 复制子技能目录到对应 agent 的 skills 目录（详见第 10 章）

项目自述名称：仓库整体标题为「Security Skills for AI Coding Agents」（UnitOneAI/SecuritySkills），model-supply-chain 是其中一个独立的子技能目录。

2. 功能介绍与亮点

model-supply-chain 引导对 AI/ML 模型供应链做结构化安全评审，覆盖从模型获取、训练数据溯源、微调管道到推理部署的完整链路，方法论对齐 OWASP LLM03:2025（供应链漏洞）、SLSA v1.0 构建等级体系与 MITRE ATLAS 对抗技术。正文分六步：模型溯源校验（校验和/签名、from_pretrained 是否锁定版本）、训练数据血统审查、微调管道安全（对照 SLSA L0–L3 分级）、推理依赖审查（含三个 MCP 专项子步骤：MCP 服务器命名空间混淆/Fork 冒名、MCP 工具 schema 漏洞、MCP 工具结果间接提示注入）、模型卡完整性评估、后门检测模式。

亮点：每一步都附可直接执行的 Grep/Glob 检测命令、分级判据表（Critical/High/Medium/Low）与真实案例（PoisonGPT 模型投毒、ShadowRay/Ray 框架 RCE）；MCP 相关三个子步骤引用了 2026 年的具体研究（如扫描 763 个 MCP 服务器发现 31% 存在 schema 漏洞），系统覆盖了当前多数安全评审清单仍较少触及的 MCP 供应链风险；全文仅声明 Read/Grep/Glob 三个只读工具权限，含独立的“Prompt Injection Safety Notice”章节。

3. 适用场景

所属分类：安全与合规。

适用于安全工程师、ML 工程师在引入第三方预训练模型、微调基础模型、集成 LoRA/PEFT 适配器或搭建 MCP 工具链时，需要一份对照 OWASP/SLSA/MITRE 官方框架、可产出结构化发现报告的供应链审查清单；也适用于团队评估“模型来源是否可信”“训练管道是否可复现”“MCP 服务器依赖是否被冒名 Fork”等风险点。

4. 跨 Agent 兼容性

5. 推荐理由

多数“模型安全”类资料要么泛泛谈“模型来源要可信”，要么只覆盖软件依赖层面的供应链扫描（npm/pip 包）。model-supply-chain 把 AI/ML 特有的供应链风险——模型序列化格式的反序列化攻击、微调管道的 SLSA 分级、模型卡缺失、后门检测——逐一转化为可执行的代码审查动作，并额外覆盖了尚少见成熟评审清单的 MCP 服务器供应链风险（命名空间冒名、schema 漏洞、工具结果间接注入）。全文只读、无执行面，适合尚未系统化评审 AI 供应链风险、又需要覆盖 MCP 这一新兴攻击面的团队。

6. 评分

维度 分数 说明
受欢迎程度 5 所属仓库 UnitOneAI/SecuritySkills 为个人/小型团队维护的开源项目（44 Stars/128 Forks/MIT 许可证），非广为人知的一线厂商或专业机构；专门检索（含 claudemarketplaces.com 安全分类页核实）未找到本子技能独立于母仓库的第三方讨论、市场收录或安装量数据
可用性 9 单个 SKILL.md 文件（约 37KB，575 行）即为完整安装单元，含六步流程、检测命令、输出模板与参考文献；仓库为 Claude Code/Codex CLI/OpenClaw 分别给出具体安装命令；该子目录所在文件最近一次实质性提交为 2026-06-16，距今约 7-8 周
安全性 9 frontmatter 声明 allowed-tools: Read, Grep, Glob，无 shell 执行、无写入、无联网工具；正文含独立的“Prompt Injection Safety Notice”章节，明确要求不执行审查对象中出现的任何代码或指令；MIT 许可证明确；作者为可查证的 GitHub 组织账号，无主动造假迹象

综合评分：7.67（三项均值）

安全检查清单： ① 仅声明 Read/Grep/Glob 只读工具权限，无 shell 命令执行能力 ② 不联网外发数据 ③ 不涉及任何 API Key 或凭据索取 ④ 全文未见可疑指令或混淆代码；反而包含针对“审查对象中嵌入指令”的显式防御条款 ⑤ 作者为个人/小型团队维护，信誉一般，无主动造假迹象 ⑥ MIT 许可证明确 ⑦ 该子目录所在文件最近一次实质提交 2026-06-16，距今约 7-8 周，维护尚属近期

7. 跟同类 Skills 相比的优势

技能 定位 与本技能的差异
llm-top-10-unitoneai-securityskills（同仓库） 对照 OWASP LLM Top 10 十类风险逐条给出检测方法的广度评审清单，含供应链风险的概览条目 本技能只聚焦其中 LLM03 供应链一类，深入到模型序列化格式、SLSA 分级、MCP 服务器命名空间冒名等具体技术细节，是广度母本之外的专项深挖
supply-chain-risk-auditor-trailofbits-skills（Trail of Bits 官方出品） 审查项目软件依赖（npm/pip 包）的供应链风险，如单一维护者、已归档、缺少安全联系方式 审查对象不同：前者面向常规软件依赖，本技能专注 AI/ML 特有环节——模型权重反序列化、训练数据血统、微调管道完整性、模型后门检测
prompt-injection-unitoneai-securityskills（同仓库） 只聚焦提示注入单一漏洞类别的测试方法 与本技能同属供应链风险的相邻但独立议题；本技能覆盖模型/数据/管道全链路，提示注入是其中 MCP 工具结果间接注入子步骤涉及的一个具体机制

8. 用户评价

该技能目前在第三方平台尚无具名用户评价。

9. 其他补充

仓库同时提供了 45 个同风格的安全技能，按 appsec/ai-security/cloud/compliance/devsecops/identity/incident-response/network/secops/vuln-management 十个领域分类组织，model-supply-chain 隶属于 ai-security 领域。

10. 安装使用方式

Claude Code（全局安装）

git clone https://github.com/UnitOneAI/SecuritySkills.git
cp -r SecuritySkills/skills/ai-security/model-supply-chain ~/.claude/skills/

安装后可通过自然语言触发（如“审查这个项目引入的预训练模型有哪些供应链风险”）或直接调用 /model-supply-chain [目标文件或目录]。

Codex CLI

codex --context skills/ai-security/model-supply-chain/SKILL.md "审查这个微调管道的供应链风险"

其他宿主（OpenClaw 等）：将对应 agent 指向 model-supply-chain/SKILL.md 文件路径即可加载，具体挂载方式见各宿主自身文档。

安装后无需重启，首次调用即可生效；无付费依赖。

11. 注意事项