v2.1.0 (build 20260317.0002) — 面向所有支持 Skill 的 Agent 平台，提供六维深度安全分析和 S+ ~ D 等级评估
适用平台：Claude Code / OpenAI Agents / Cursor / Windsurf 等
| 检查项 | 说明 | 相关文件 |
|---|---|---|
| 危险函数检测 | eval/exec/system/child_process 等 | tools/threat-scan.sh |
| 敏感信息泄露 | API Key、密码、私钥、连接串（50+ 模式） | tools/secret-scan.sh, references/sensitive-data-patterns.md |
| 威胁模式匹配 | 40+ 攻击向量（注入、外泄、SSRF 等） | tools/threat-scan.sh, references/threat-patterns.md |
| 代码混淆检测 | 高熵字符串、Unicode 转义、Base64 嵌套 | tools/entropy-detect.sh |
| 动态代码下载 | L0-L3 嵌套深度追踪，L2+ 强制 D 级 | tools/threat-scan.sh |
| 提示词投毒 | HTML 注释隐藏指令、零宽字符、角色覆写 | tools/threat-scan.sh, tools/threat-verify.sh |
| 权限升级诱导 | dangerouslyDisableSandbox、sudo 诱导 | tools/threat-scan.sh |
| 隐蔽信息外传 | DNS 外带、Git 外传、编码外传、剪贴板 | tools/threat-scan.sh |
| 延迟/条件触发 | 时间、计数、环境条件下的隐藏恶意 | tools/threat-scan.sh |
| 功能-行为一致性 | 声明功能与实际代码行为偏离度分析 | Agent 语义分析 |
| MCP 工具滥用 | 通过提示词引导 agent 滥用 MCP 工具 | Agent 语义分析 |
| 检查项 | 说明 | 相关文件 |
|---|---|---|
| 沙箱执行监控 | 隔离环境中监控文件/网络/进程行为 | Agent 运行时分析 |
| 文件系统监控 | 敏感目录访问检测（~/.ssh, /etc 等） | Agent 运行时分析 |
| 网络请求捕获 | 外发 HTTP/HTTPS 请求拦截分析 | Agent 运行时分析 |
| 输入验证测试 | 提示词注入、越权访问、路径遍历测试 | Agent 运行时分析 |
| 检查项 | 说明 | 相关文件 |
|---|---|---|
| CVE 漏洞扫描 | 对接 NVD 数据库检测已知漏洞 | tools/dep-audit.sh, references/cve-sources.md |
| 恶意包检测 | Typosquatting、维护状态、下载量异常 | tools/dep-audit.sh |
| 依赖树分析 | 直接/传递依赖风险，漏洞传播路径 | tools/dep-audit.sh |
| 版本锁定检查 | 依赖版本固定与安全性评估 | tools/dep-audit.sh |
| 检查项 | 说明 | 相关文件 |
|---|---|---|
| API 分类与风险评级 | 14 类外部 API 自动识别分类 | tools/url-audit.sh, references/api-classification.md |
| 数据传输审计 | 敏感字段传输检测（token, password, key） | tools/url-audit.sh |
| 域名信誉检查 | 短链接、纯 IP、动态 DNS、可疑 TLD | tools/url-audit.sh |
| TLS 验证 | 加密协议版本和证书检查 | tools/url-audit.sh |
| 检查项 | 说明 | 相关文件 |
|---|---|---|
| 数据收集审查 | 超出功能范围的数据收集识别 | Agent 语义分析 |
| 环境变量访问分级 | 低/中/高/极高四级分类评估 | Agent 语义分析 |
| 权限申请审查 | 与功能不匹配的过度权限识别 | Agent 语义分析 |
| GDPR/CCPA 合规 | 用户同意、数据删除权利、可携带性 | references/gdpr-checklist.md |
| 检查项 | 说明 | 相关文件 |
|---|---|---|
| GitHub 仓库信誉 | Star、年龄、作者、提交活跃度评估 | tools/github-repo-check.sh |
| URL/域名信誉 | 代码中所有 URL 的安全性检查 | tools/url-audit.sh |
| 已知恶意模式比对 | 黑名单、恶意代码指纹、钓鱼模式 | references/known-malicious-patterns.md |
| 评级 | 分数 | 说明 | 使用建议 |
|---|---|---|---|
| S+ | 90-100 | 顶级安全，通过人工验证 | 可放心使用 |
| S | 80-89 | 优秀，满足所有安全要求 | 可放心使用 |
| A | 65-79 | 标准安全级别 | 正常使用 |
| B | 50-64 | 基础级，有改进空间 | 审查后使用 |
| C | 30-49 | 警示级，存在风险 | 隔离环境使用 |
| D | 0-29 | 危险级 | 禁止使用 |
通过 cocoloop 安装（推荐）
cocoloop install cls-certify手动安装
git clone https://github.com/CatREFuse/cls-certify.git ~/.claude/skills/cls-certify安装后在 Agent 对话中用自然语言发起检查即可：
检查 summarize 这个 skill 的安全性
帮我看看 /Users/me/Developer/my-skill 这个目录下的 skill 是否安全
对 https://github.com/user/awesome-skill 进行安全认证
我想安装一个叫 proactive-agent 的 skill，先帮我做个安全检查
用 CLS-Certify 扫描一下已安装的 chrome skill
这个 skill 看起来有点可疑，帮我做一个完整的六维安全分析并生成 HTML 报告
开启 batch mode，依次检查 summarize、chrome、web-fetcher 三个 skill
静默模式检查 my-skill，不要问我问题
把报告保存到桌面，检查 my-skill 的安全性
检查 my-skill，报告保存到 /tmp/reports 目录
CLS-Certify 会自动定位 skill、执行六维分析、输出评级报告。如果检测到 D 级触发项（如提示词投毒、反向 Shell、凭证窃取），会立即强制降级并给出警告。
提示：
batch_mode开启后静默运行，不询问输出格式，仅保存 Markdown 报告；output_dir控制报告保存位置，默认为~/Downloads。两者均可通过自然语言临时指定，也可在 SKILL.md frontmatter 中永久配置。
在 SKILL.md 的 frontmatter 中支持以下配置项：
# 批量模式 — 跳过所有用户交互，仅输出 Markdown 报告
batch_mode: false # true: 静默运行，不询问用户，仅输出 Markdown
# false: 正常交互模式（默认）
# 报告保存目录
output_dir: ~/Downloads # 报告文件的默认保存位置
# 支持 ~ 和绝对路径，如 ~/Desktop、/tmp/reports
# 扫描模式
scan_mode: full # full: 完整六维扫描（默认）
# quick: 仅硬编码快检 + 评分
# static-only: 仅静态分析
# 报告输出格式
report_formats:
- markdown # Markdown 报告（默认，始终输出）
- json # JSON 结构化数据
- html # HTML 可视化报告（需 render.sh）
- pdf # PDF 报告（需 Chrome，通过 render.sh --pdf）
- sarif # SARIF 格式（GitHub/CodeQL 兼容）
# 报告详细程度
report_detail: full # full: 包含所有发现和详细分析
# summary: 仅评级和风险摘要
# minimal: 仅评级和分数
# 最低报告风险级别（低于此级别的发现不输出）
min_severity: low # critical / high / medium / low / info
# 检测维度开关（按需关闭不需要的维度）
dimensions:
static_analysis: true # 静态代码分析
dynamic_analysis: true # 动态行为分析
dependency_audit: true # 依赖审计
network_analysis: true # 网络流量分析
privacy_compliance: true # 隐私合规检查
threat_intelligence: true # 来源信誉与威胁情报
# 来源可信度覆盖（跳过自动检测，手动指定）
trust_level: auto # auto: 自动检测（默认）
# T1: 知名大公司/顶级基金会
# T2: 可信组织/GitHub 组织账号
# T3: 个人开发者/社区项目
# 误报过滤
false_positive_filter:
enabled: true # 启用误报过滤
excluded_patterns: # 排除的文件路径模式
- "test/**"
- "example/**"
- "docs/**"配置方式：在发起检查时用自然语言指定即可，例如：
用 quick 模式检查 my-skill，只输出 high 以上的风险
对这个 skill 做完整扫描，生成 HTML 报告，跳过依赖审计
开启 batch mode，批量检查这三个 skill 的安全性
把报告保存到桌面，检查 my-skill 的安全性
batch_mode 说明：开启后 CLS-Certify 将以静默模式运行 — 不询问输出格式，不调用
open打开文件，仅自动保存 Markdown 报告到output_dir并输出文字摘要。适用于批量检测、CI 集成或脚本调用场景。
output_dir 说明：所有报告文件（Markdown / HTML / PDF）均保存到此目录，默认为
~/Downloads。可通过自然语言临时指定（如"保存到桌面"），也可在 SKILL.md frontmatter 中永久修改。
cls-certify/
├── SKILL.md # 主技能文档（完整检测工作流）
├── README.md # 本文件
├── TEAM-STRUCTURE.md # 六子团队分工架构
├── render.sh # HTML/PDF 报告渲染脚本
├── tools/ # 内置 bash 检测工具
│ ├── threat-scan.sh # 威胁模式匹配
│ ├── threat-verify.sh # 威胁意图二次验证
│ ├── secret-scan.sh # 敏感信息扫描
│ ├── entropy-detect.sh # Shannon 熵值检测
│ ├── dep-audit.sh # 依赖审计
│ ├── url-audit.sh # URL/域名审计
│ ├── github-repo-check.sh # GitHub 仓库信誉检查
│ ├── code-stats.sh # 代码统计
│ └── score-calc.sh # 评分计算
├── templates/
│ └── report-template.html # HTML 报告模板
└── references/
├── threat-patterns.md # 40+ 威胁模式库
├── sensitive-data-patterns.md # 50+ 敏感数据检测模式
├── api-classification.md # 14 类 API 分类标准
├── structured-report-template.md # 报告 JSON Schema
├── report-data-protocol.md # HTML 渲染数据协议
├── known-malicious-patterns.md # 已知恶意模式
├── gdpr-checklist.md # GDPR 合规检查清单
└── cve-sources.md # CVE 数据源配置
MIT License