Rapport d’audit du skill

ai-model-extraction Rapport d’audit.

Extract or steal an ML/LLM model's parameters, training data, or system prompt via query access — model stealing, membership inference, training-data extraction. Load when testing an ML API/endpoint, "model extraction/inversion", data-leakage or IP-theft concerns, exposed inference endpoints. Signals: a predict/inference API, embeddings endpoint, fine-tuned model.

Expérimental · RevoirRevue nécessaireGénéré 14 oct. 2026Audit heuristique des métadonnées

Audit

Confiance

Qualité

Sécurité

100

Maintain

Installer

Trust Score OpenAgentSkill

Revue manuelle

Trust Score OpenAgentSkill

The Trust Score helps an agent decide whether a skill is safe enough to shortlist before installation.

Adoption GitHub

Échoué

20 stars GitHub

Activité stars/forks

Échoué

20 stars et 7 forks; l’activité des issues n’est pas disponible dans les métadonnées actuelles

Maintenance récente

Validé

100

11 jours depuis le dernier push

Clarté de licence

Validé

MIT

Complétude README/SKILL.md

Info

Les métadonnées publiques nécessitent davantage de contexte README/SKILL.md

Risque dépendances/runtime

Info

credential or environment access, network or browser surface

Disponibilité de l’installation

Validé

npx skills add NoorQureshi/SploitAgent --skill ai-model-extraction

Sécurité de la commande d’installation

Validé

Chemin d’installation standard de package ou runtime

Surface de permissions

Avertissement

secrets or environment access, network or browser access

Preuve du dépôt

Validé

https://github.com/NoorQureshi/SploitAgent/tree/main/skills/ai-ml/ai-model-extraction

État de revue

Avertissement

L’approbation de revue IA est absente

Résultats prouvés par Agent

Info

Pas encore de données de résultats Agent

Vérifications

Revue d’installation et d’adoption

6 Validé · 14 Revue nécessaire

Chemin d’installation

Validé

npx skills add NoorQureshi/SploitAgent --skill ai-model-extraction

Dépôt

Validé

https://github.com/NoorQureshi/SploitAgent/tree/main/skills/ai-ml/ai-model-extraction

Licence

Validé

MIT

Maintenance

100

Validé

11 jours depuis le dernier push

Revue IA

Vérifier

Review approval is missing

Complétude README/SKILL.md

Validé

Usable description available

Risque de dépendances

Vérifier

credential or environment access, network or browser surface

Sécurité de la commande d’installation

Validé

Chemin d’installation standard de package ou runtime

Surface de permissions

Vérifier

secrets or environment access, network or browser access

Activité stars/forks

Corriger

20 stars et 7 forks; l’activité des issues n’est pas disponible dans les métadonnées actuelles

Adoption

Vérifier

20 stars GitHub

Avertissements

Permission surface may require sandboxing
Low GitHub adoption signal
L’approbation de revue IA est absente
Quality score needs review
Permission surface needs review: secrets or environment access, network or browser access
GitHub adoption: 20 GitHub stars
Stars/forks activity: 20 stars, 7 forks; issue activity unavailable in current metadata
Permission surface: secrets or environment access, network or browser access
Review status: AI review approval is missing

Méthode

This report combines public metadata, AI review output, repository freshness, install readiness, OpenAgentSkill events, quality scoring, trust checks, and the agent safety gate. It is not a full source-code security review.

Chemin d’installation

Examinez le rapport avant l’installation dans des Agents de production.

$ npx skills add NoorQureshi/SploitAgent --skill ai-model-extraction

Métadonnées lisibles par Agent

Paquet de décision machine

Le JSON intégré expose les tâches et Agents adaptés, la commande d’installation, le score de confiance, le seuil de sécurité, les alternatives et les conditions de non-utilisation pour la revue Agent.

Politique d’installation: Revoir
Meilleurs Agents: Codex + Claude Code
Alternatives: 3

Ouvrir le JSON Agent

Signaux

Score d’audit: 73/100
Quality: 54/100
Trust: 69/100
Install safety: 92/100
Surface de permissions: 60/100
Maintenance: 11 jours depuis le dernier push
Événements: 10 événements
Stars GitHub: 20
Dernier push: 2 oct. 2026

Sécurité Agent v2

45/100 · Éviter l’installation automatique

ExpérimentalRevoir

Sparse or mixed signals. Useful for discovery, but not for autonomous installation.

Test manually in an isolated workspace and compare against safer alternatives.

Indices de permissions à haut risque : Secrets or environment access
score de sécurité Agent : 45/100

Accès réseau

Moyen

La skill récupère probablement des pages distantes, API, dépôts ou services externes.

Secrets or environment access

Élevé

Skill metadata references credentials, tokens, environment variables, or secret-bearing workflows.

Accès à la base de données

Moyen

La skill peut inspecter des schémas, interroger des bases de données ou travailler avec des stockages persistants.

Indices de permissions à haut risque : Secrets or environment access
Permission surface may require sandboxing

Retour au skill Alternatives Badge SVG d’audit

Comparer les options proches

Skills associés à auditer ensuite

full-output-enforcement

Overrides default LLM truncation behavior. Enforces complete code generation, bans placeholder patterns, and handles token-limit splits cleanly. Apply to any task requiring exhaustive, unabridged output.

96K Stars · Rapport d’audit

distributed-llm-pretraining-torchtitan

Provides PyTorch-native distributed LLM pretraining using torchtitan with 4D parallelism (FSDP2, TP, PP, CP). Use when pretraining Llama 3.1, DeepSeek V3, or custom models at scale from 8 to 512+ GPUs with Float8, torch.compile, and distributed checkpointing.

13K Stars · Rapport d’audit

peft-fine-tuning

Parameter-efficient fine-tuning for LLMs using LoRA, QLoRA, and 25+ methods. Use when fine-tuning large models (7B-70B) with limited GPU memory, when you need to train <1% of parameters with minimal accuracy loss, or for multi-adapter serving. HuggingFace's official library integrated with transformers ecosystem.

13K Stars · Rapport d’audit