SKILLEMALL.ai
GitHub ↗ EN Войти

CC analyzing-cobalt-strike-beacon-configuration

Извлекает и анализирует конфигурацию маячка Cobalt Strike из файлов PE и дампов памяти для идентификации инфраструктуры C2, гибких профилей и методов работы оператора.

машинный переводПоказать оригиналСкрыть оригинал«Extract and analyze Cobalt Strike beacon configuration from PE files a…»

Extract and analyze Cobalt Strike beacon configuration from PE files and memory dumps to identify C2 infrastructure, malleable profiles, and operator tradecraft.

mukul975/Anthropic-Cybersecurity-Skills Agent Skills автор: mukul975 Apache-2.0 8 файлов · 2 скрипта тело ≈ 3 125 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Извлекает и анализирует конфигурацию маячка Cobalt Strike из файлов PE и дампов памяти для идентификации инфраструктуры C2, гибких профилей и методов работы…

Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, ошибки и развилки

АнализаторЛюди и наймтип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
C
86/100
безопасность, качество, тесты
Безопасность 60%
93
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
C
54/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 7

    ✓ Критических и высоких находок нет

    Средние и низкие: 7
    • низкая Рискованное назначение intent-offensive-security assets/template.md:17
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      | C2 Server(s) | |
    • низкая Рискованное назначение intent-offensive-security references/api-reference.md:25
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      | 8 | C2Server | Command and control server(s) |
    • низкая Рискованное назначение intent-offensive-security references/standards.md:43
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      | Named Pipes | T1570 | SMB beacon lateral movement |
    • низкая Рискованное назначение intent-offensive-security references/standards.md:44
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      | Service Execution | T1569.002 | PSExec-style lateral movement |
    • низкая Рискованное назначение intent-offensive-security SKILL.md:35
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      Cobalt Strike is a commercial adversary simulation tool widely abused by threat actors for post-exploitation operations. Beacon payloads contain embedded configuration data that reveals C2 server addr
    • низкая Рискованное назначение intent-offensive-security SKILL.md:286
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (определение детектора / чёрного списка)
      author = "Malware Analysis Team"
      детектор
    • низкая Рискованное назначение intent-offensive-security SKILL.md:375
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      - C2 server domains/IPs correctly identified with port and protocol

    Просканировано файлов: 8. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "domain"
    • заметка frontmatter-key неизвестное поле фронтматтера "subdomain"
    • заметка frontmatter-key неизвестное поле фронтматтера "nist_csf"
    • заметка frontmatter-key неизвестное поле фронтматтера "mitre_attack"
    • заметка edit-residue в тексте есть пометки об устаревшем (строки 198, 203): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

    Процессный рейтинг: все десять параметров 54/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 22
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3125 токенов
    • 100Повторный запуск. Изменяющих операций нет

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -43 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • -32 из 2 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +3Длина description 161 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 15 заголовков
    • +3Пошаговые инструкции: 22 пунктов
    • +4Есть примеры (4 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.