SKILLEMALL.ai
GitHub ↗ EN Войти

BC detecting-attacks-on-historian-servers

Обнаруживает кибератаки на серверы OT-историков (OSIsoft PI, Ignition, GE Proficy, Wonderware InSQL) с помощью Python-детектора, который помечает несанкционированные запросы, манипуляции с данными и индикаторы бокового перемещения, поскольку историки переключаются между сетями IT и OT. Используйте при мониторинге серверов-историков, соединяющих зоны IT/OT, на предмет компрометации, расследовании эксплуатации CVE, специфичных для серверов-историков, или проверке целостности данных серверов-историков после предполагаемого инцидента OT.

машинный переводПоказать оригиналСкрыть оригинал«Detect cyber attacks on OT historian servers (OSIsoft PI, Ignition, GE…»

Detect cyber attacks on OT historian servers (OSIsoft PI, Ignition, GE Proficy, Wonderware InSQL) using a Python detector that flags unauthorized queries, data manipulation, and lateral-movement indicators as historians pivot between IT and OT networks. Use when monitoring historians bridging IT/OT zones for compromise, investigating historian-specific CVE exploitation, or validating historian data integrity after a suspected OT incident.

mukul975/Anthropic-Cybersecurity-Skills Agent Skills автор: mukul975 Apache-2.0 4 файла · 1 скрипт тело ≈ 2 789 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Обнаруживает кибератаки на серверы OT-историков (OSIsoft PI, Ignition, GE Proficy, Wonderware InSQL) с помощью Python-детектора, который помечает…

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

АнализаторБезопасностьДанные 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
B
90/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
82
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
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 · 5

    ✓ Критических и высоких находок нет

    Средние и низкие: 5
    • низкая Рискованное назначение intent-offensive-security SKILL.md:44
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      - When investigating lateral movement through historian servers between IT and OT zones
    • низкая Рискованное назначение intent-offensive-security SKILL.md:67
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      lateral movement indicators, and exploitation of historian-specific
    • низкая Рискованное назначение intent-offensive-security SKILL.md:209
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (в кавычках — упоминание, а не команда)
      "description": "Attackers may install tools on historian for lateral movement",
      в кавычках
    • низкая Рискованное назначение intent-offensive-security SKILL.md:240
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (в кавычках — упоминание, а не команда)
      print(f"\n--- LATERAL MOVEMENT CHECKS ---")
      в кавычках
    • низкая Рискованное назначение intent-offensive-security SKILL.md:293
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      LATERAL MOVEMENT INDICATORS:

    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 "nist_csf"
    • заметка frontmatter-key неизвестное поле фронтматтера "mitre_attack"

    Процессный рейтинг: все десять параметров 63/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 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
    • 100Шаги. Шагов: 10
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2789 токенов

    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 442 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 10 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (2 блоков кода)
    • +1Лицензия указана

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