safety-scan について
safety-scanは、信頼できないコンテンツからプロンプトインジェクションやジェイルブレイクなどを検出するセキュリティスキルです。簡易チェック、脅威分析、包括的なスキャン、防御学習に対応します。
主な機能
- 01安全性の真偽チェック
- 02脅威分類と信頼度スコア
- 03多層コンテンツスキャン
- 04確認済み脅威からの学習
- 05検出率と誤検知の統計
活用シーン
- 01処理前のユーザー投稿チェック
- 02APIペイロードやWebhookデータの確認
- 03指示上書き攻撃の調査
MCP 対応
RufloのMCPツールを使い、安全性の確認、脅威の分析とスキャン、確認済み脅威からの学習、検出統計の取得を行います。
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/safety-scanを入力して読み込まれたか確認します。
詳細
セーフティスキャン
プロンプトインジェクション、ジェイルブレイクの試み、安全でないパターンがないかコンテンツをスキャンします。
使用するタイミング
信頼できない入力（ユーザーからの投稿、API ペイロード、Webhook データ）を処理する前にスキャンし、プロンプトインジェクション、敵対的なコンテンツ、ポリシー違反を検出します。
手順
- 簡易セーフティチェック — 入力テキストを指定して
mcp__plugin_ruflo-core_ruflo__aidefence_is_safeを呼び出し、安全か危険かを真偽値で取得します - 詳細分析 —
mcp__plugin_ruflo-core_ruflo__aidefence_analyzeを呼び出し、脅威の詳細な分類と信頼度スコアを取得します - 完全スキャン —
mcp__plugin_ruflo-core_ruflo__aidefence_scanを呼び出し、包括的な多層スキャンを実行します - 防御の学習 — 確認済みの脅威を指定して
mcp__plugin_ruflo-core_ruflo__aidefence_learnを呼び出し、検出精度を向上させます - 統計の表示 —
mcp__plugin_ruflo-core_ruflo__aidefence_statsを呼び出し、検出率と誤検知の指標を確認します
脅威カテゴリ
- プロンプトインジェクション（直接および間接）
- ジェイルブレイクの試み
- データ流出のパターン
- 指示の上書き攻撃
- ソーシャルエンジニアリングのプロンプト
コメント
Markdown 対応