SKILLEMALL.ai
GitHub ↗ EN Войти

CB building-detection-rules-with-sigma

Создает независимые от поставщика правила обнаружения в формате Sigma для обнаружения угроз на платформах SIEM, включая Splunk, Elastic и Microsoft Sentinel. Используйте при создании переносимой логики обнаружения на основе данных об угрозах, сопоставлении правил с техниками MITRE ATT&CK или преобразовании общедоступных правил Sigma в специфичные для платформы запросы с использованием бэкендов sigmac или pySigma.

машинный переводПоказать оригиналСкрыть оригинал«Builds vendor-agnostic detection rules using the Sigma rule format for…»

Builds vendor-agnostic detection rules using the Sigma rule format for threat detection across SIEM platforms including Splunk, Elastic, and Microsoft Sentinel. Use when creating portable detection logic from threat intelligence, mapping rules to MITRE ATT&CK techniques, or converting community Sigma rules into platform-specific queries using sigmac or pySigma backends.

mukul975/Anthropic-Cybersecurity-Skills Agent Skills автор: mukul975 Apache-2.0 4 файла · 1 скрипт тело ≈ 2 430 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Создает независимые от поставщика правила обнаружения в формате Sigma для обнаружения угроз на платформах SIEM, включая Splunk, Elastic и Microsoft Sentinel.

Как процесс B 65/100 · Почти готов — слабые места: ошибки и развилки, повторный запуск

АнализаторGitHubИнфраструктураРазработкатип 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
89/100
безопасность, качество, тесты
Безопасность 60%
93
Качество 40%
82
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Ошибки и развилки вес 10
0
Повторный запуск вес 4
30
Когда включается вес 12
50
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 Секреты в коде secret-high-entropy-token references/api-reference.md:48
      Строка, похожая на токен (может быть id, хеш или секрет) (строка таблицы в документации)
      | `pySi…der` | `Micr…end` | KQL |
      таблица
    • низкая Секреты в коде secret-high-entropy-token SKILL.md:56
      Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
      - Python 3.8+ with `pySigma` and appropriate backend (`pySigma-backend-splunk`, `pySigma-backend-elasticsearch`, `pySi…der`)
      в кавычках
    • низкая Рискованное назначение intent-offensive-security SKILL.md:65
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (определение детектора / чёрного списка)
      Start with a threat report or ATT&CK technique. Example: detecting Mimikatz credential dumping (T1003.001 — LSASS Memory):
      детектор
    • низкая Рискованное назначение intent-offensive-security SKILL.md:68
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      title: Mimikatz Credential Dumping via LSASS Access
    • низкая Рискованное назначение intent-offensive-security SKILL.md:72
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (определение детектора / чёрного списка)
      description: Detects process accessing lsass.exe memory, indicative of credential dumping tools like Mimikatz
      детектор
    • низкая Рискованное назначение intent-offensive-security SKILL.md:253
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (определение детектора / чёрного списка)
      name = "LSASS Memory Access - Credential Dumping"
      детектор
    • низкая Рискованное назначение intent-offensive-security SKILL.md:268
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (в кавычках — упоминание, а не команда)
      name = "OS Credential Dumping"
      в кавычках

    Просканировано файлов: 4. 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 "d3fend_techniques"
    • 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 256): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

    Процессный рейтинг: все десять параметров 65/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (bash, git, python), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 17
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2430 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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
    • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • -31 из 1 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 372 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 15 заголовков
    • +3Пошаговые инструкции: 17 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (14 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 82.