competition-prompt-injection について
エージェントシステムを対象とするプロンプトインジェクション課題向けのセキュリティスキルです。信頼されていない内容が計画やツール実行に及ぼす影響を追跡し、最小限のエクスプロイト経路を記録します。
主な機能
- 01システム、ユーザー、検索、メモリ、計画、ツール層の整理
- 02未信頼テキストからツール引数や秘密要求への経路追跡
- 03指示の逸脱と実際の副作用の区別
- 04エクスプロイト経路の簡潔な証拠保存
活用シーン
- 01検索テキストがエージェントのツール利用を変える事例の調査
- 02最小限の会話記録によるプロンプト境界の不具合の記録
インストール
コマンドをコピーしてターミナルで実行します。
$
npx skills add https:/インストール後、Claude Code で/competition-prompt-injectionを入力して読み込まれたか確認します。
同梱ファイルagents/openai.yamlreferences/prompt-injection.md
詳細
競技プロンプトインジェクション
このスキルは、$ctf-sandbox-orchestrator がすでにアクティブで、サンドボックスの前提、ノードの所有権、証拠の優先順位が確立されている場合にのみ、下流の専門分野として使用してください。まだそれが行われていない場合は、まず $ctf-sandbox-orchestrator に戻ってください。
このスキルは、チャレンジが主にエージェントシステム内の信頼境界に関するものである場合に使用してください。
ユーザーが明示的に英語を要求しない限り、簡体字中国語で回答してください。
クイックスタート
- モデルから見えるようになる最初の信頼できないコンテンツを特定します。
- 検索、メモリ、またはトランスクリプトからプランナーや実行エージェントの動作に至るまでの連鎖をマッピングします。
- テキストがツール引数、ファイルパス、ネットワークターゲット、またはシークレット要求になる正確なポイントを記録します。
- バリエーションを探索する前に、最小限のエクスプロイトチェーンを1つ証明します。
- プロンプトのスニペットとツール遷移をコンパクトな証拠ブロックにまとめます。
ワークフロー
1. コントロールスタックをマッピングする
- システム、開発者、ユーザー、取得済み、メモリ、プランナー、およびツール応答の各レイヤーを個別に追跡します。
- 主張されている機能と、実行時に公開されている機能を区別します。
- モデルが実際に呼び出せる、読み取れる、または変更できるものを記録します。
2. 境界の越境を証明する
- 信頼できないテキストから、プランナー動作の変更、ツール引数の変更、またはシークレットの露出に至るまでの1つの連鎖を再現します。
- 決定的なトランスクリプトはコンパクトに保ちます：ソースチャンク、書き換えられたプランナー状態、最終的なツール呼び出し。
- バグを実証できる最小のトランスクリプトを優先します。
3. 境界ごとに報告する
- どのレイヤーが失敗したかを明示します：検索、要約、プランナー、実行エージェント、ツール正規化、または出力後処理。
- 指示のドリフトと実際の副作用を区別します。
このリファレンスを読む
- チェックリスト、証拠レイアウト、および一般的なプロンプト境界の落とし穴については、
references/prompt-injection.mdを読み込んでください。
保持すべきもの
- 元の悪意のあるチャンクまたはプロンプト
- 重要であれば、中間の要約またはプランナーのドリフト
- 最終的なツール引数、ファイルパス、または露出したシークレットの表面
コメント
Markdown 対応