AI 速览OpenAI因在ChatGPT中嵌入第三方追踪代码遭集体诉讼,引发对AI隐私安全的广泛关注。 核心事实 - 诉讼主体:原告Amargo Couture代表全美用户在加州南区联邦法院起诉OpenAI - 违规细节:ChatGPT页面暗中嵌入Meta Facebook Pixel和Google Analytics,实时窃取用户对话主题 - 行业共性:同期Perplexity AI也面临类似指控,暴露AI商业化中的数据采集漏洞 - 潜在后果:依据加州法律,单次违规赔偿5000美元,总额或达数十亿美元 避坑提示 - ChatGPT免费版并非绝对私密,其页面标题机制可能导致敏感查询(如医疗、财务)被第三方广告商捕获 价值点 提醒用户在使用免费AI工具时注意隐私边界,建议通过安装拦截插件、检查隐私设置或付费订阅来保护个人数据安全。
你现在的任务是使用 SkillSpector 对指定的 Agent Skill 进行安装前安全审计,请严格按照以下流程执行。 【审计对象】 - 输入类型:[Git仓库URL / 本地目录路径 / ZIP文件 / 单个Markdown文件] - 具体地址:[填写仓库URL或本地路径] - 是否包含敏感内容(源代码机密、客户资料、密钥等,决定能否开启LLM分析):[能/不能外发] 【执行步骤】 第一步:环境确认 - 检查 skillspector 命令是否已安装,未安装则执行: uv tool install git+https://github.com/NVIDIA/skillspector.git - 运行 skillspector --help 确认可用 第二步:本地静态扫描(必做,不外发任何内容) 执行命令: skillspector scan [审计对象地址] --no-llm --format json --output report.json 第三步:判断是否需要开启 LLM 语义分析 - 如果【是否能外发】= 不能:跳过此步,仅依赖静态扫描结果 - 如果【是否能外发】= 能:执行 export SKILLSPECTOR_PROVIDER=[openai/其他服务商] export OPENAI_API_KEY=[你的密钥] skillspector scan [审计对象地址] --format markdown --output review.md 第四步:解读报告,按以下优先级检查 1. 先看 recommendation 字段:SAFE / CAUTION / DO_NOT_INSTALL - 不要只看退出码,CAUTION 也会返回 0 2. 再看 analysis_completeness.is_complete - 若为 false,说明扫描不完整,即使分数低也不能视为安全,需加 --fail-on-incomplete 重跑或人工补查 3. 逐条查看 findings 列表,定位具体文件和代码行,重点关注: - 是否有诱导 Agent 忽略原有规则的指令 - 是否读取环境变量、密钥(env harvesting) - 是否向外部 URL 发送数据(data exfiltration) - 依赖包是否命中已知 CVE(OSV 查询结果) - MCP 工具声明的能力与实际代码行为是否一致 第五步:给出安装建议 基于以上结果,用一句话总结: - 建议是否安装 - 如果是 CAUTION,说明具体需要人工确认哪几项 - 如果涉及需要长期维护该 Skill,建议执行 baseline 记录: skillspector baseline [审计对象地址] -o .skillspector-baseline.yaml 【输出格式要求】 请用中文、分点列出以下内容: 1. 风险分数与档位(SAFE/CAUTION/DO_NOT_INSTALL) 2. 完整度是否达标 3. 高风险 finding 摘要(文件名+问题类型+严重程度) 4. 是否建议安装,理由是什么