SKILLEMALL.ai
GitHub ↗ EN Войти

CC performing-network-forensics-with-wireshark

Захватывает и анализирует сетевой трафик с помощью Wireshark и tshark для реконструкции сетевых событий из файлов PCAP/PCAPNG, извлечения переданных файлов и учетных данных, а также идентификации коммуникаций командного центра. Используйте при анализе захваченного трафика инцидента безопасности, реконструкции эксфильтрации данных или поиске сетевых индикаторов компрометации во время анализа вредоносного ПО.

машинный переводПоказать оригиналСкрыть оригинал«Capture and analyze network traffic using Wireshark and tshark to reco…»

Capture and analyze network traffic using Wireshark and tshark to reconstruct network events from PCAP/PCAPNG files, extract transferred files and credentials, and identify command-and-control communications. Use when analyzing captured traffic from a security incident, reconstructing data exfiltration, or finding network indicators of compromise during malware analysis.

mukul975/Anthropic-Cybersecurity-Skills Agent Skills автор: mukul975 Apache-2.0 4 файла · 1 скрипт тело ≈ 2 807 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Захватывает и анализирует сетевой трафик с помощью Wireshark и tshark для реконструкции сетевых событий из файлов PCAP/PCAPNG, извлечения переданных файлов и…

Как процесс C 64/100 · Есть пробелы — слабые места: когда включается, ошибки и развилки

АнализаторДанные и аналитикаБезопасностьИнфраструктуратип 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
88/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
C
64/100
Есть пробелы
Ошибки и развилки вес 10
0
Когда включается вес 12
20
Инструменты и файлы вес 18
60
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:3
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (определение детектора / чёрного списка)
      description: Capture and analyze network traffic using Wireshark and tshark to reconstruct network events from PCAP/PCAPNG files, extract transferred files and credentials, and identify command-and-co
      детектор
    • низкая Рискованное назначение intent-offensive-security SKILL.md:34
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      - During malware analysis to identify network indicators of compromise
    • низкая Рискованное назначение intent-offensive-security SKILL.md:288
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      **Scenario 3: Lateral Movement in Enterprise Network**
    • низкая Рискованное назначение intent-offensive-security SKILL.md:304
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      192.168.1.50 -> 10.0.0.25:445   (SMB lateral movement)
    • низкая Рискованное назначение intent-offensive-security SKILL.md:305
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      192.168.1.50 -> 10.0.0.30:3389  (RDP lateral movement)

    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 64/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (bash), 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: 11
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2807 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • 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
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • -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
    • +3Длина description 373 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 11 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (7 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.