SKILLEMALL.ai
GitHub ↗ EN Войти

BC detecting-fileless-attacks-on-endpoints

Обнаруживает беcфайловые вредоносные программы и атаки в памяти, которые выполняются полностью в ОЗУ без записи постоянных файлов на диск, обходя традиционные антивирусы. Используйте при создании обнаружений для атак на основе PowerShell, инъекций отраженных DLL, постоянства WMI и вредоносных программ, резидентных в реестре. Активируется для запросов, связанных с обнаружением беcфайловых вредоносных программ, атак в памяти, эксплуатации PowerShell или техник использования легитимных инструментов.

машинный переводПоказать оригиналСкрыть оригинал«Detects fileless malware and in-memory attacks that execute entirely i…»

Detects fileless malware and in-memory attacks that execute entirely in RAM without writing persistent files to disk, evading traditional antivirus. Use when building detections for PowerShell-based attacks, reflective DLL injection, WMI persistence, and registry-resident malware. Activates for requests involving fileless malware detection, in-memory attacks, PowerShell exploitation, or living-off-the-land techniques.

mukul975/Anthropic-Cybersecurity-Skills Agent Skills автор: mukul975 Apache-2.0 8 файлов · 2 скрипта тело ≈ 1 575 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Обнаруживает беcфайловые вредоносные программы и атаки в памяти, которые выполняются полностью в ОЗУ без записи постоянных файлов на диск, обходя традиционные…

Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, ошибки и развилки, отчётность по ходу

АнализаторБезопасностьтип 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%
97
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
C
57/100
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 · 3

    ✓ Критических и высоких находок нет

    Средние и низкие: 3
    • низкая Рискованное назначение intent-offensive-security SKILL.md:175
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      - **Volatility 3**: Memory forensics for post-incident fileless malware analysis
    • низкая Рискованное назначение intent-offensive-security SKILL.md:181
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (определение детектора / чёрного списка)
      - **AMSI bypass not detected**: Sophisticated attackers bypass AMSI before executing payloads. Detect AMSI bypass attempts as a high-priority alert.
      детектор

    Ещё 1 совпадений отнесены к цитатам в документации скилла по безопасности и не считаются находками.

    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"

    Процессный рейтинг: все десять параметров 57/100

    • 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
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 17
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1575 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
    • +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
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 421 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 17 пунктов
    • +4Есть примеры (5 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.