SKILLEMALL.ai
GitHub ↗ EN Войти

CC exploiting-kerberoasting-with-impacket

Выполняет Kerberoasting (MITRE ATT&CK T1558.003) с помощью Impacket's GetUserSPNs.py для запроса билетов Kerberos TGS для учетных записей служб с зарегистрированными SPN, затем взламывает извлеченные хеши RC4/AES в автономном режиме для восстановления учетных данных учетных записей служб. Используйте во время авторизованных тестов на проникновение в Active Directory или операций red-team для получения доступа к учетным данным учетных записей служб через запросы Kerberos ticket-granting-service.

машинный переводПоказать оригиналСкрыть оригинал«Performs Kerberoasting (MITRE ATT&CK T1558.003) using Impacket's GetUs…»

Performs Kerberoasting (MITRE ATT&CK T1558.003) using Impacket's GetUserSPNs.py to request Kerberos TGS tickets for SPN-registered service accounts, then cracks the extracted RC4/AES-encrypted hashes offline to recover service account credentials. Use during authorized Active Directory penetration tests or red-team engagements for credential access against service accounts via Kerberos ticket-granting-service requests.

mukul975/Anthropic-Cybersecurity-Skills Agent Skills автор: mukul975 Apache-2.0 8 файлов · 2 скрипта тело ≈ 1 731 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Выполняет Kerberoasting (MITRE ATT&CK T1558.003) с помощью Impacket's GetUserSPNs.py для запроса билетов Kerberos TGS для учетных записей служб с…

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, ошибки и развилки

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
C
87/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
C
51/100
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 · 5

    ✓ Критических и высоких находок нет

    Средние и низкие: 5
    • низкая Рискованное назначение intent-offensive-security assets/template.md:69
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      | Impact | Lateral movement to web servers |
    • низкая Рискованное назначение intent-offensive-security references/workflows.md:58
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (определение детектора / чёрного списка)
      │   └── YES → MEDIUM priority → Lateral movement opportunity
      детектор
    • низкая Рискованное назначение intent-offensive-security references/workflows.md:107
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      │   ├── Check for lateral movement from source
    • низкая Рискованное назначение intent-offensive-security SKILL.md:52
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      - When conducting red team exercises or penetration testing engagements
    • низкая Рискованное назначение intent-offensive-security SKILL.md:141
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      # Use credentials for lateral movement

    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 "d3fend_techniques"
    • заметка frontmatter-key неизвестное поле фронтматтера "nist_csf"
    • заметка frontmatter-key неизвестное поле фронтматтера "mitre_attack"

    Процессный рейтинг: все десять параметров 51/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 21
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1731 токенов
    • low Разделов верхнего уровня: 13. Похоже на несколько доменов в одном скилле

    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 422 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 18 заголовков
    • +3Пошаговые инструкции: 21 пунктов
    • +4Есть примеры (8 блоков кода)
    • +1Лицензия указана

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