SKILLEMALL.ai
GitHub ↗ EN Войти

CC detecting-anomalous-authentication-patterns

Обнаруживает аномальные шаблоны аутентификации с помощью аналитики UEBA, статистических базовых линий и моделей машинного обучения для выявления невозможных перемещений, подстановки учетных данных, брутфорса, перебора паролей и поведения скомпрометированных учетных записей в журналах аутентификации. Активируется для запросов, связанных с обнаружением аномалий аутентификации, анализом поведения входа, реализацией UEBA или расследованием подозрительных входов.

машинный переводПоказать оригиналСкрыть оригинал«Detects anomalous authentication patterns using UEBA analytics, statis…»

Detects anomalous authentication patterns using UEBA analytics, statistical baselines, and machine learning models to identify impossible travel, credential stuffing, brute force, password spraying, and compromised account behaviors across authentication logs. Activates for requests involving authentication anomaly detection, login behavior analysis, UEBA implementation, or suspicious sign-in investigation.

mukul975/Anthropic-Cybersecurity-Skills Agent Skills автор: mukul975 Apache-2.0 4 файла · 1 скрипт тело ≈ 7 143 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Обнаруживает аномальные шаблоны аутентификации с помощью аналитики UEBA, статистических базовых линий и моделей машинного обучения для выявления невозможных…

Как процесс C 63/100 · Есть пробелы — слабые места: ошибки и развилки, повторный запуск

АнализаторAzureДанные и аналитикатип 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%
95
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
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

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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 · 5

✓ Критических и высоких находок нет

Средние и низкие: 5
  • низкая Рискованное назначение intent-offensive-security SKILL.md:5
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    stuffing, brute force, password spraying, and compromised account behaviors across
  • низкая Рискованное назначение intent-offensive-security SKILL.md:51
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (в кавычках — упоминание, а не команда)
    name: 'Brute Force: Password Spraying'
    в кавычках
  • низкая Рискованное назначение intent-offensive-security SKILL.md:74
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (определение детектора / чёрного списка)
    - Detecting brute force, password spraying, and credential stuffing attacks in real time
    детектор
  • низкая Рискованное назначение intent-offensive-security SKILL.md:76
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    - Correlating authentication anomalies with threat intelligence for lateral movement detection
  • низкая Рискованное назначение intent-offensive-security SKILL.md:277
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (определение детектора / чёрного списка)
    ### Step 3: Detect Brute Force and Password Spraying
    детектор

Просканировано файлов: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 7143 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "domain"
  • заметка frontmatter-key неизвестное поле фронтматтера "subdomain"
  • заметка frontmatter-key неизвестное поле фронтматтера "atlas_techniques"
  • заметка frontmatter-key неизвестное поле фронтматтера "nist_ai_rmf"
  • заметка frontmatter-key неизвестное поле фронтматтера "nist_csf"
  • заметка frontmatter-key неизвестное поле фронтматтера "mitre_attack"
  • заметка frontmatter-key неизвестное поле фронтматтера "mitre_f3"
  • заметка edit-residue в тексте есть пометки об устаревшем (строки 553): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

Процессный рейтинг: все десять параметров 63/100

  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (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
  • 70Стоимость исполнения. Тело инструкции 7143 токенов
  • 100Шаги. Шагов: 26
  • 100Согласованность. Имя и обязательные поля на месте
  • 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 410 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 26 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (7 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.