Cybersecurity Skills (754)

为什么要用

核心特性

754 个 skill，全部为防御性——不含漏洞利用或进攻面
映射到 5 个框架：MITRE ATT&CK、NIST CSF 2.0、MITRE ATLAS、D3FEND、NIST AI RMF
26 个安全领域，含 AI 安全和 AI 红队防御
Apache 2.0 协议
跨 agent：以 agentskills.io 格式发布
由 Mukul Kantiwal 维护

实时演示

实际使用效果

就绪

安装

作者仓库 · Claude Skills 官方文档

使用场景

实战用法： Cybersecurity Skills (754)

针对疑似入侵，按 NIST IR 框架执行响应

👤 没有现成 runbook 的单人 SRE / 小型 SOC ⏱ ~90 min advanced

何时使用： 告警触发，你需要一个结构化的响应流程，而不是慌乱地查 Google。

步骤

分类

Use the IR skill. Suspected compromise on host X — guide me through NIST SP 800-61 R2 phases. Stop after Containment.✓ 已复制

→ 按阶段划分的检查清单，附具体命令
收集证据

What evidence should I capture before isolating the host? Give me the exact osquery / GRR commands.✓ 已复制

→ 具体命令；无模糊建议
存档记录

Generate the IR report scaffold mapped to MITRE ATT&CK techniques observed.✓ 已复制

→ 已映射 TTP 的报告模板

结果： 一份与标准关联的可信 IR 记录。

注意事项

skill 给出了进攻性步骤 — 这不应该发生——它是纯防御性的。如果你看到进攻性内容，这是 bug；请向上游报告。

搭配使用： filesystem

对某个服务进行 OWASP 对齐的 AppSec 审查

👤 没有专职安全团队的开发者 ⏱ ~120 min advanced

何时使用： 上线前——你需要一个在审计中站得住脚的审查报告。

步骤

梳理攻击面

Use the AppSec skill on /service/. Map the attack surface (auth, data flows, deps, infra).✓ 已复制

→ 带注释的攻击面地图
威胁建模

STRIDE the surface. Output the threats with likelihood and impact.✓ 已复制

→ STRIDE 表格
缓解计划

For HIGH likelihood threats, propose mitigations with NIST CSF mapping.✓ 已复制

→ 附控制项 ID 的缓解计划

结果： 一份带审计引用的 AppSec 审查报告。

注意事项

缓解措施过于通用，不适合你的技术栈 — 传入仓库路径；skill 会根据检测到的语言/框架进行定制

搭配使用： github

对你即将上线的 AI 功能进行防御性审查

👤 正在构建 AI 功能的团队 ⏱ ~90 min advanced

何时使用： 你在上线一个 LLM 功能；需要 NIST AI RMF + MITRE ATLAS 审查。

步骤

风险梳理

Use the AI security skill. List ATLAS risks relevant to a chat assistant with tool calls.✓ 已复制

→ 按战术分组的风险（prompt 注入、模型规避、供应链）
防御措施

For each risk, propose specific defenses with NIST AI RMF function (Govern/Map/Measure/Manage).✓ 已复制

→ 附功能标签的防御措施
测试计划

Write a red-team test plan I can hand to a contractor.✓ 已复制

→ 包含具体攻击场景的测试计划

结果： 上线前的 AI 安全基线。

注意事项

skill 要求的控制措施会使延迟翻倍 — 它按严重程度分级；v1 上线只做一级控制

组合

与其他 MCP 搭配，撬动十倍杠杆

anthropic-cybersecurity-skills + github

将安全发现创建为 issue

Open a GitHub issue per HIGH finding, with NIST CSF reference.✓ 已复制

anthropic-cybersecurity-skills + filesystem

将报告持久化为审计证据

Save the IR report to /security/reports/$(date +%F)/.✓ 已复制

工具

此 MCP 暴露的能力

工具	输入参数	何时调用
ir.runbook	phase, scenario	事件发生期间
appsec.review	path	上线前或季度审查
ai.atlas_review	feature_description	上线 AI 功能前
framework.map	finding, target_framework	审计准备

成本与限制

运行它的成本

API 配额: 不适用——本地 skill
每次调用 Token 数: 全面审查：20-50k token
费用: 免费（Apache 2.0）
提示: 日常工作时将范围限制在单个领域（仅 IR，仅 AppSec）以控制成本

安全

权限、密钥、影响范围

最小权限： filesystem-read

凭据存储： 无

数据出站： 本地

skill 给出的是建议性意见——不能替代人类判断，尤其是在实时 IR 场景中

故障排查

常见错误与修复

输出过于通用

提供具体的路径、告警文本或服务描述；skill 会根据上下文定制

框架映射引用了不存在的控制项

传入 --framework-version 固定到具体版本（如 NIST CSF 2.0）

skill 标记了过多发现

第一轮只过滤 ≥ HIGH 严重程度

替代方案