이 논문은 LLM 에이전트에 재사용 가능한 지침 패키지(스크립트·리소스·서비스 설정 포함)를 추가하는 'Agent Skill'이 악성 행위 배포 경로로 악용될 수 있다는 문제의식에서, 공개된 13개 출처를 통합해 만든 악성 스킬 탐지 벤치마크 MaliciousSkillBench를 제시한다. 원본 악성 레코드 8,414건을 정규화해 최종 벤치마크는 악성 7,505개·정상 2,235개, 총 9,740개 스킬로 구성됐다. 학습 기반 텍스트 탐지기는 무작위 평가에서 0.882~0.932의 Macro-F1을 기록했지만 출처를 완전히 분리한 평가에서는 0.653~0.665로 급락했고, 가장 우수했던 TF-IDF SVM도 미검증 출처에서는 악성 탐지율 95.6%를 유지하는 대신 정상 오탐률이 62.4%에 달했다. 신뢰할 수 있는 악성 스킬 탐지를 위해서는 더 넓은 교차 출처 벤치마크와 공동 평가가 필요함을 시사한다.

• •공개 13개 출처를 통합해 악성/정상 스킬 9,740개(악성 7,505·정상 2,235)로 구성한 벤치마크 MaliciousSkillBench 제시
• •학습 기반 탐지기, 무작위 평가 Macro-F1 0.88~0.93 → 출처 완전 분리 평가에서 0.65~0.67로 급락
• •최고 성능 TF-IDF SVM, 악성 탐지율 95.6% 유지하지만 미검증 출처 정상 오탐률 62.4%
• •기존 오프더셀프 스캐너는 오탐 감소 시 악성 탐지율이 크게 떨어지는 트레이드오프 확인