news 2026/8/30 11:19:52

揭秘Anthropic-Cybersecurity-Skills:817个AI网络安全技能如何重塑安全分析工作流

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
揭秘Anthropic-Cybersecurity-Skills:817个AI网络安全技能如何重塑安全分析工作流

揭秘Anthropic-Cybersecurity-Skills:817个AI网络安全技能如何重塑安全分析工作流

【免费下载链接】Anthropic-Cybersecurity-Skills817 structured cybersecurity skills for AI agents · Mapped to 6 frameworks: MITRE ATT&CK, NIST CSF 2.0, MITRE ATLAS, D3FEND, NIST AI RMF & MITRE F3 (Fight Fraud) · agentskills.io standard · Works with Claude Code, GitHub Copilot, Codex CLI, Cursor, Gemini CLI & 20+ platforms · 29 security domains · Apache 2.0项目地址: https://gitcode.com/GitHub_Trending/an/Anthropic-Cybersecurity-Skills

Anthropic-Cybersecurity-Skills是一个开源的 AI 网络安全技能库,包含817 个结构化网络安全技能,覆盖29 个安全领域,并将每个技能映射到 MITRE ATT&CK、NIST CSF 2.0、MITRE ATLAS、MITRE D3FEND、NIST AI RMF 与 MITRE F3 共六大行业框架。它遵循 agentskills.io 开放标准,可直接用于 Claude Code、GitHub Copilot、Codex CLI、Cursor、Gemini CLI 等 26+ 个 AI 平台,让 AI 智能体像资深安全分析师一样开展威胁狩猎、数字取证和事件响应。

🤔 为什么 AI 智能体需要"安全技能"?

很多工具仓库提供的是字典、payload 或漏洞利用代码,但缺少一位资深分析师的决策工作流:什么时候用某个技术、先检查哪些前置条件、如何一步步执行、怎样验证结果。这正是本项目的价值所在。

它不是脚本合集,而是一个为 AI 原生设计的知识库:YAML 前置元数据(frontmatter)支持秒级发现,结构化 Markdown 承载分步执行流程,参考文件提供深度技术背景。

⚠️ 注意:本项目包含红队 C2、钓鱼模拟等攻击性/双用途技术,仅限授权的渗透测试、安全研究、防御与教育用途。详见 SECURITY.md。

📦 项目全景:817 个技能分布在 29 个安全领域

在 skills/ 目录下,每个技能都是一个独立文件夹。技能数量最多的几大领域包括:

安全领域技能数典型能力
☁️ 云安全66AWS/Azure/GCP 加固、CSPM、云取证
🔍 威胁狩猎58假设驱动狩猎、LOTL 检测、EVTX 狩猎
🧠 威胁情报52STIX/TAXII、MISP、OpenCTI、行为体画像
🕸️ 网络安全43IDS/IPS、防火墙规则、流量分析
🌐 Web 应用安全42OWASP Top 10、SQLi、XSS、SSRF
🔬 数字取证41磁盘镜像、内存取证、时间线重建
🦠 恶意软件分析39静态/动态分析、逆向工程、沙箱

每个技能目录都有统一的结构,以内存取证技能为例(skills/performing-memory-forensics-with-volatility3/SKILL.md):

skills/performing-memory-forensics-with-volatility3/ ├── SKILL.md ← 技能定义(YAML frontmatter + Markdown 正文) ├── references/ ← 框架映射 + 深度技术流程参考 ├── scripts/ ← 可直接运行的辅助脚本 └── LICENSE

SKILL.md 的正文固定包含四个部分:When to Use(触发条件)、Prerequisites(前置要求)、Workflow(分步执行)、Verification(结果验证)。以 Cuckoo 沙箱分析技能 skills/analyzing-malware-behavior-with-cuckoo-sandbox/SKILL.md 为例,它明确告诉智能体:静态分诊通过后才做动态分析、提交样本前验证网络隔离、观察进程树时重点关注注入与加密类 API 调用——这些正是资深分析师的经验沉淀。

🧠 AI 智能体如何高效调用 817 个技能?

关键在于渐进式披露架构:每个技能仅需约30 tokens扫描 frontmatter,完整加载约 500–2000 tokens,因此智能体可以一次性检索全部 817 个技能而不撑爆上下文窗口。

一次典型的记忆转储分析过程:

  1. 扫描:用户输入"分析这个内存转储的凭据窃取迹象",智能体扫描 817 个技能的前置元数据,匹配出 12 个相关技能
  2. 加载:载入 Top 3 匹配项(内存取证、LSASS 凭据转储狩猎、Windows 事件日志凭据访问分析)
  3. 执行:按 Workflow 分步运行 Volatility3 插件、检查 LSASS 访问模式、关联事件日志证据
  4. 验证:按 Verification 节确认 IOC,并将发现映射到 ATT&CK T1003(凭据转储)

没有这些技能时,智能体只能靠猜命令、漏掉关键步骤;有了它们,它遵循的正是资深 DFIR 分析师的剧本。

🧩 六大框架映射:一个技能,六重合规

这是目前唯一将每个技能统一映射到六大框架的开源技能库。映射统计可见 mappings/README.md:

框架范围映射内容
MITRE ATT&CK v19.115 战术 · 286 技术对抗者行为与 TTPs(754/754 技能已映射)
NIST CSF 2.06 职能 · 22 类别组织安全态势
MITRE ATLAS v5.416 战术 · 84 技术AI/ML 对抗威胁
MITRE D3FEND v1.37 类别 · 267 技术防御性反制措施
NIST AI RMF 1.04 职能 · 72 子类AI 风险管理
MITRE F3 v1.18 战术 · 123 技术网络金融欺诈 TTPs

特别值得一提的是MITRE F3(Fight Fraud Framework):它补齐了 ATT&CK 在"入侵如何变成资金损失"这一段的空白,新增 Positioning(FA0001)与 Monetization(FA0002)两个欺诈专属战术,本库已有 94 个欺诈相关技能完成映射,映射规范详见 docs/mitre-f3-mapping.md。

📊 仓库还附带 ATT&CK Navigator 图层文件 mappings/attack-navigator-layer.json,可在 MITRE ATT&CK Navigator 中可视化查看技能覆盖矩阵(蓝色深浅代表覆盖深度);整体覆盖说明见 ATTACK_COVERAGE.md。

🚀 快速上手:两种安装方式

方式一:npx 一键添加(推荐)

npx skills add mukul975/Anthropic-Cybersecurity-Skills

方式二:克隆仓库

git clone https://gitcode.com/GitHub_Trending/an/Anthropic-Cybersecurity-Skills cd Anthropic-Cybersecurity-Skills

安装后无需额外配置,任何支持 agentskills.io 标准的平台(Claude Code、GitHub Copilot、Cursor、Codex CLI、Gemini CLI、Devin、LangChain 等)都能直接加载这些技能。

🔧 想给 AI 智能体验证技能合法性?仓库 tools/ 目录提供了校验脚本 tools/validate-skill.py 和 JSON Schema tools/agentskills-skill.schema.json,可检查技能是否符合 agentskills.io 标准。全量技能索引见 index.json。

🛡️ 适用人群与使用建议

  • 安全分析师 / SOC 团队:把威胁狩猎、事件响应、取证类技能接入 AI 工作流,显著缩短分析时间
  • 红队 / 渗透测试人员:在授权范围内复用 ADCS 攻击、C2 运营、横向移动等标准化流程
  • 合规与安全架构师:借助六框架映射,一份技能同时满足多个合规检查项
  • 新手学习者:817 个技能本身就是一份按领域组织的网络安全实战手册

💡 建议从 README.md 的"What's inside"章节入手,先挑自己最熟悉的领域(如数字取证或云安全)体验几个技能,再逐步扩展到全库。

📚 关键资料导航

资料路径
项目总览README.md
全部技能skills/
ATT&CK Navigator 图层mappings/attack-navigator-layer.json
F3 欺诈框架映射规范docs/mitre-f3-mapping.md
覆盖率总览ATTACK_COVERAGE.md
技能校验工具tools/validate-skill.py
贡献指南CONTRIBUTING.md

Anthropic-Cybersecurity-Skills 以 Apache 2.0 协议开源,可自由用于个人和商业项目。当 AI 智能体从"会写代码"进化到"会做安全分析",这 817 个技能就是它从新手成长为资深分析师的捷径。🚀

【免费下载链接】Anthropic-Cybersecurity-Skills817 structured cybersecurity skills for AI agents · Mapped to 6 frameworks: MITRE ATT&CK, NIST CSF 2.0, MITRE ATLAS, D3FEND, NIST AI RMF & MITRE F3 (Fight Fraud) · agentskills.io standard · Works with Claude Code, GitHub Copilot, Codex CLI, Cursor, Gemini CLI & 20+ platforms · 29 security domains · Apache 2.0项目地址: https://gitcode.com/GitHub_Trending/an/Anthropic-Cybersecurity-Skills

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/8/30 11:19:00

心智世界建模MWM:从预测下一帧到推断他人意图

世界模型最近在视觉、自动驾驶和具身智能几个方向都成了高频词,但我翻了很多框架之后发现,大部分实现的核心能力还是停留在“预测下一帧画面”或者“预测物体下一时刻位置”上。牛津和 NUS 团队提出的「心智世界建模」MWM(Mental World Model…

作者头像 李华
网站建设 2026/8/30 11:16:40

LLM显著性偏差:为什么模型总被显眼信息带偏?

最近在调一批偏决策类的提示词时,我遇到了一个很有意思的现象:明明题目里给出的关键条件是“下雨天”和“走过去要半小时”,模型却总是不自觉地顺着“洗车”这个动作往下走。你问它“要不要走路去洗车”,它回答“要”;…

作者头像 李华
网站建设 2026/8/30 11:16:30

许昌空调维修正规服务怎么选?欧米到家全区域及代码故障检修

前言:修空调,先把故障查明白许昌夏季高温高湿,空调一旦出现不制冷、室内机漏水、外机异响、频繁停机等问题,往往会直接影响家庭休息或商铺营业。面对突发故障,用户真正需要的不是一句含糊的“可能要加氟”,…

作者头像 李华
网站建设 2026/8/30 11:15:54

工程流程自动化的实施边界

工程流程自动化的实施边界工程流程自动化可以减少重复劳动:自动运行测试、检查格式、生成制品、同步状态、创建任务和汇总结果。这些能力确实能让团队更快获得反馈。但自动化并不天然正确。它一旦获得写入、发布、删除或权限管理能力,错误也会以更快速度…

作者头像 李华
网站建设 2026/8/30 11:15:48

STM32H7 SAI到DTCM数据搬运失败?HPDMA配置与MPU排查指南

1. 项目概述与问题场景 最近在调一块用 STM32H7 系列做音频采集的板子,遇到一个挺典型的问题:SAI 通过 HPDMA 往 DTCM 里搬数据,怎么配都不工作。现象很统一——HPDMA 的传输完成中断永远不触发,状态寄存器里挂着超时或者总线错误…

作者头像 李华