# detecting-ai-model-prompt-injection-attacks

Скилл detecting-ai-model-prompt-injection-attacks выявляет попытки инъекции в запросы к ИИ-моделям через регулярные выражения, анализ структуры и трансформатор DeBERTa.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 280 установок · ★ 36511 у репозитория
- Автор: mukul975
- Лицензия: Apache-2.0 · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/HEAD/skills/detecting-ai-model-prompt-injection-attacks/SKILL.md
- Обновлён: 2026-08-31
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/detecting-ai-model-prompt-injection-attacks

## Что делает

Скилл работает в три слоя. Первый — регулярные выражения с 25+ сигнатурами известных векторов атак, включая переопределение системного промпта и инъекции через разделители. Второй — эвристический скоринг аномалий: анализирует плотность команд, долю спецсимволов, смешивание языков, избыток заглавных букв, подозрительные последовательности токенов. Третий — классификатор на базе DeBERTa-v3, обученный на датасетах инъекций, выдаёт вероятность от 0 до 1 с порогом по умолчанию 0,85.

Используй скилл на входе приложения — проверяй текст перед отправкой в модель, логируй срабатывания для аудита. Можно применить к файлам истории запросов, чтобы найти прошлые попытки атак. Требует Python 3.10+, библиотеки `transformers`, `torch`, `sentencepiece`. На первый запуск модель DeBERTa загружается с Hugging Face (700 МБ); после этого работает и офлайн.

По умолчанию скилл сочетает все три слоя с весами: регулярные выражения 0,3, эвристика 0,2, классификатор 0,5. Можно запустить только регулярные выражения (< 1 мс на вход) или только эвристику без загрузки модели.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mukul975/Anthropic-Cybersecurity-Skills --skill detecting-ai-model-prompt-injection-attacks -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/detecting-ai-model-prompt-injection-attacks/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/detecting-ai-model-prompt-injection-attacks/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mukul975/Anthropic-Cybersecurity-Skills --skill detecting-ai-model-prompt-injection-attacks -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/detecting-ai-model-prompt-injection-attacks/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mukul975/Anthropic-Cybersecurity-Skills --skill detecting-ai-model-prompt-injection-attacks -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/detecting-ai-model-prompt-injection-attacks/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install mukul975/Anthropic-Cybersecurity-Skills skills/detecting-ai-model-prompt-injection-attacks
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/detecting-ai-model-prompt-injection-attacks/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mukul975/Anthropic-Cybersecurity-Skills --skill detecting-ai-model-prompt-injection-attacks -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/mukul975/Anthropic-Cybersecurity-Skills --path skills/detecting-ai-model-prompt-injection-attacks
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/detecting-ai-model-prompt-injection-attacks/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add mukul975/Anthropic-Cybersecurity-Skills --skill detecting-ai-model-prompt-injection-attacks -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/HEAD/skills/detecting-ai-model-prompt-injection-attacks/SKILL.md

## Когда брать
- блокировать попытки переопределить системный промпт или сменить роль модели
- обнаружить кодированные и замаскированные инъекции в текстовых входах
- отловить прошлые инъекции в логах взаимодействия с ИИ-агентами
- встроить слой валидации в RAG-конвейер или чатбот
- протестировать защиту от инъекций красной командой

## Примеры запросов агенту
- Проверь это письмо от пользователя на инъекции перед отправкой агенту
- Просканируй весь файл истории запросов режимом full и выведи JSON с результатами
- Настрой порог классификатора на 0,90 и проверь только эту фразу режимом regex

## Похожие
- [prompt-injection-test](https://affpapa.org/nevibecode/skills/prompt-injection-test.md) — скилл · 220 установок
- [prompt-injection](https://affpapa.org/nevibecode/skills/prompt-injection.md) — скилл · 481 установка
- [prompt-injection-defense](https://affpapa.org/nevibecode/skills/prompt-injection-defense.md) — скилл · 425 установок
- [secure-ai](https://affpapa.org/nevibecode/skills/secure-ai.md) — скилл · 130 установок
- [llm-ai-hunter](https://affpapa.org/nevibecode/skills/llm-ai-hunter.md) — скилл · ★ 1298 у репозитория

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
