SKILLEMALL.ai
GitHub ↗ EN Войти

BC profiling-threat-actor-groups

Разрабатывает комплексные профили злоумышленников для APT-групп, криминальных организаций и хактивистских коллективов путем агрегирования документации TTP, данных исторических кампаний, отпечатков инструментов и индикаторов атрибуции из различных источников разведки. Используйте при брифингах руководства о специфических для сектора угрозах, при обновлении предположений модели угроз или при определении приоритетов защитных мер против конкретных противников. Активируется для запросов, связанных с группами MITRE ATT&CK, профилями APT Mandiant, именованием противников CrowdStrike или брифингами по специфическим для сектора угрозам.

машинный переводПоказать оригиналСкрыть оригинал«Develops comprehensive threat actor profiles for APT groups, criminal…»

Develops comprehensive threat actor profiles for APT groups, criminal organizations, and hacktivist collectives by aggregating TTP documentation, historical campaign data, tooling fingerprints, and attribution indicators from multiple intelligence sources. Use when briefing executives on sector-specific threats, updating threat model assumptions, or prioritizing defensive controls against specific adversaries. Activates for requests involving MITRE ATT&CK Groups, Mandiant APT profiles, CrowdStrike adversary naming, or sector-specific threat briefings.

mukul975/Anthropic-Cybersecurity-Skills Agent Skills автор: mukul975 Apache-2.0 4 файла · 1 скрипт тело ≈ 1 581 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Разрабатывает комплексные профили злоумышленников для APT-групп, криминальных организаций и хактивистских коллективов путем агрегирования документации TTP…

Как процесс C 60/100 · Есть пробелы — слабые места: результат и критерий готовности, ошибки и развилки, повторный запуск

ПроцедураЛюди и наймИИ и агентытип 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%
98
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
C
60/100
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 · 2

    ✓ Критических и высоких находок нет

    Средние и низкие: 2
    • низкая Рискованное назначение intent-offensive-security SKILL.md:107
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (определение детектора / чёрного списка)
      - Compensating controls where detection is not feasible (network segmentation as mitigation for lateral movement)
      детектор
    • низкая Рискованное назначение intent-offensive-security SKILL.md:142
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      - **Neglecting insider and criminal groups**: Overemphasis on nation-state APTs while ignoring ransomware groups (Cl0p, LockBit, ALPHV) which represent higher probability threats for most organization

    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 60/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 85Шаги. Шагов: 27, расплывчатых формулировок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1581 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
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -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 557 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 27 пунктов
    • +4Есть примеры (1 блоков кода)
    • +1Лицензия указана

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