Anthropic Cybersecurity Skills

面向 AI agent 的最大开源网络安全技能库

754 个生产级网络安全技能 · 26 个安全领域 · 5 个框架映射 · 26+ 个 AI 平台

开始使用 · 内容概览 · 框架 · 平台 · 贡献

---

⚠️ 社区项目 — 这是一个独立的、由社区创建的项目。与 Anthropic PBC 无关。

让任何 AI agent 拥有高级分析师的安全技能

初级分析师知道在可疑内存转储上运行哪个 Volatility3 插件，知道哪些 Sigma 规则能捕获 Kerberoasting，也知道如何跨三个云提供商界定一次云安全事件的范围。你的 AI agent 不知道——除非你把这些技能交给它。

本仓库包含 754 个结构化的网络安全技能，涵盖 26 个安全领域，每个技能都遵循 agentskills.io 开放标准。每个技能都映射到 五个行业框架——MITRE ATT&CK、NIST CSF 2.0、MITRE ATLAS、MITRE D3FEND 和 NIST AI RMF——使其成为唯一一个具有统一跨框架覆盖的开源技能库。克隆它，将你的 agent 指向它，你的下一次安全调查就能在几秒钟内获得专家级的指导。

五个框架，一个技能库

没有其他开源技能库能将每个技能映射到所有五个框架。一个技能，五个合规检查点。

框架	版本	本仓库范围	映射内容
MITRE ATT&CK	v18	14 个战术 · 200+ 个技术	对手行为与 TTP
NIST CSF 2.0	2.0	6 个功能 · 22 个类别	组织安全态势
MITRE ATLAS	v5.4	16 个战术 · 84 个技术	AI/ML 对抗性威胁
MITRE D3FEND	v1.3	7 个类别 · 267 个技术	防御性对抗措施
NIST AI RMF	1.0	4 个功能 · 72 个子类别	AI 风险管理

示例——单个技能跨所有五个框架映射：

技能	ATT&CK	NIST CSF	ATLAS	D3FEND	AI RMF
analyzing-network-traffic-of-malware	T1071	DE.CM	AML.T0047	D3-NTA	MEASURE-2.6

快速开始

# 选项 1：npx（推荐）
npx skills add mukul975/Anthropic-Cybersecurity-Skills

# 选项 2：Git 克隆
git clone https://github.com/mukul975/Anthropic-Cybersecurity-Skills.git
cd Anthropic-Cybersecurity-Skills

立即适用于 Claude Code、GitHub Copilot、OpenAI Codex CLI、Cursor、Gemini CLI 以及任何 agentskills.io 兼容平台。

🌍 GARS-2026——全球 Agentic AI 就绪度调查

我正在开展一项全球学术研究，衡量安全专业人员、开发人员和企业团队对 agentic AI（包括 MCP 服务器、工具调用、治理和人机协作工作流）的实际就绪程度。

如果你使用本仓库，你的回复将是一个非常有价值的数据点。

📋 参与调查（10 分钟）： 调查链接

• 60 个问题 · 匿名 · 由 SRH Berlin 监督
• 你将获得 50 个 Casky Token，用于抢先体验 casky.ai
• 结果以 CC-BY 4.0 协议开放获取发布

🚀 在 Playground 中试用

亲身体验 Casky.ai——无需任何设置。

→ 在 Casky.ai 上启动 Playground

Playground 让你能够：

• 针对真实目标运行实时网络安全技能练习
• 实时观察 AI agent 执行结构化技能
• 交互式探索 MITRE ATT&CK 映射的工作流
• 测试威胁狩猎、DFIR 和渗透测试场景

无需安装。无需配置。只需打开即可开始。

为什么存在这个项目

2024 年全球网络安全人才缺口达到 480 万个未填补职位（ISC2）。AI agent 可以帮助缩小这一差距——但前提是它们拥有结构化的领域知识作为基础。如今的 agent 可以编写代码和搜索网络，但它们缺乏将通用 LLM 转变为称职安全分析师所需的实践者 playbook。

现有的安全工具仓库提供的是词表、payload 或漏洞利用代码。没有一个能赋予 AI agent 高级分析师所遵循的结构化决策工作流：何时使用每种技术、需要检查哪些先决条件、如何逐步执行以及如何验证结果。这就是本项目要填补的空白。

Anthropic Cybersecurity Skills 不是脚本或检查清单的集合。它是一个AI 原生知识库，从头开始为 agentskills.io 标准构建——YAML frontmatter 用于亚秒级发现，结构化 Markdown 用于逐步执行，参考文件用于深入的技术上下文。每个技能都编码了真实的实践者工作流，而非生成的摘要。

内容概览——26 个安全领域

领域	技能数	关键能力
云安全	60	AWS、Azure、GCP 加固 · CSPM · 云取证
威胁狩猎	55	假设驱动狩猎 · LOTL 检测 · 行为分析
威胁情报	50	STIX/TAXII · MISP · 情报源集成 · 行为者画像
Web 应用安全	42	OWASP Top 10 · SQLi · XSS · SSRF · 反序列化
网络安全	40	IDS/IPS · 防火墙规则 · VLAN 分段 · 流量分析
恶意软件分析	39	静态/动态分析 · 逆向工程 · 沙箱
数字取证	37	磁盘镜像 · 内存取证 · 时间线重建
安全运营	36	SIEM 关联 · 日志分析 · 告警分类
身份与访问管理	35	IAM 策略 · PAM · 零信任身份 · Okta · SailPoint
SOC 运营	33	Playbook · 升级工作流 · 指标 · 桌面演练
容器安全	30	K8s RBAC · 镜像扫描 · Falco · 容器取证
OT/ICS 安全	28	Modbus · DNP3 · IEC 62443 · 历史数据库防御 · SCADA
API 安全	28	GraphQL · REST · OWASP API Top 10 · WAF 绕过
漏洞管理	25	Nessus · 扫描工作流 · 补丁优先级 · CVSS
事件响应	25	事件遏制 · 勒索软件响应 · IR playbook
红队	24	全范围演练 · AD 攻击 · 钓鱼模拟
渗透测试	23	网络 · Web · 云 · 移动 · 无线渗透测试
端点安全	17	EDR · LOTL 检测 · 无文件恶意软件 · 持久化狩猎
DevSecOps	17	CI/CD 安全 · 代码签名 · Terraform 审计
钓鱼防御	16	邮件认证 · BEC 检测 · 钓鱼事件响应
密码学	14	TLS · Ed25519 · 证书透明度 · 密钥管理
零信任架构	13	BeyondCorp · CISA 成熟度模型 · 微隔离
移动安全	12	Android/iOS 分析 · 移动渗透测试 · MDM 取证
勒索软件防御	7	前兆检测 · 响应 · 恢复 · 加密分析
合规与治理	5	CIS 基准 · SOC 2 · 监管框架
欺骗技术	2	蜜标 · 入侵检测金丝雀

AI agent 如何使用这些技能

每个技能扫描（仅 frontmatter）大约消耗 ~30 个 token，完全加载（完整工作流）消耗 500–2,000 个 token。这种渐进式披露架构让 agent 可以在一次传递中搜索所有 754 个技能，而不会撑爆上下文窗口。

用户提示："分析这个内存转储，寻找凭据窃取的迹象"

Agent 的内部过程：

  1. 扫描 754 个技能的 frontmatter（每个约 30 个 token）
     → 通过匹配标签、描述、领域识别出 12 个相关技能

  2. 加载前 3 个匹配项：
     • performing-memory-forensics-with-volatility3
     • hunting-for-credential-dumping-lsass
     • analyzing-windows-event-logs-for-credential-access

  3. 逐步执行结构化的 Workflow 部分
     → 运行 Volatility3 插件，检查 LSASS 访问模式，
        与事件日志证据关联

  4. 使用 Verification 部分验证结果
     → 确认 IOC，将发现映射到 ATT&CK T1003（凭据转储）

没有这些技能，agent 会猜测工具命令并遗漏关键步骤。有了它们，它就会遵循高级 DFIR 分析师使用的相同 playbook。

技能结构

每个技能遵循一致的目录结构：

skills/performing-memory-forensics-with-volatility3/
├── SKILL.md              ← 技能定义（YAML frontmatter + Markdown 正文）
├── references/
│   ├── standards.md      ← MITRE ATT&CK、ATLAS、D3FEND、NIST 映射
│   └── workflows.md      ← 深入的技术流程参考
├── scripts/
│   └── process.py        ← 可用的辅助脚本
└── assets/
    └── template.md       ← 已填写的检查清单和报告模板

YAML frontmatter（真实示例）

---
name: performing-memory-forensics-with-volatility3
description: >-
  使用 Volatility3 框架分析内存转储，提取正在运行的进程、网络连接、
  注入的代码和恶意软件工件。
domain: cybersecurity
subdomain: digital-forensics
tags: [forensics, memory-analysis, volatility3, incident-response, dfir]
atlas_techniques: [AML.T0047]
d3fend_techniques: [D3-MA, D3-PSMD]
nist_ai_rmf: [MEASURE-2.6]
nist_csf: [DE.CM-01, RS.AN-03]
version: "1.2"
author: mukul975
license: Apache-2.0
---

Markdown 正文部分

## When to Use
触发条件——AI agent 何时应激活此技能？

## Prerequisites
所需工具、访问级别和环境设置。

## Workflow
逐步执行指南，包含具体命令和决策点。

## Verification
如何确认技能已成功执行。

Frontmatter 字段：name（kebab-case，1–64 字符）、description（关键词丰富，便于 agent 发现）、domain、subdomain、tags、atlas_techniques（MITRE ATLAS ID）、d3fend_techniques（MITRE D3FEND ID）、nist_ai_rmf（NIST AI RMF 引用）、nist_csf（NIST CSF 2.0 类别）。MITRE ATT&CK 技术映射记录在每个技能的 references/standards.md 文件中，以及随版本发布的 ATT&CK Navigator layer 中。

 

战术	ID	覆盖程度	关键技能
侦察	TA0043	强	OSINT、子域名枚举、DNS 侦察
资源开发	TA0042	中等	钓鱼基础设施、C2 设置检测
初始访问	TA0001	强	钓鱼模拟、漏洞利用检测、强制浏览
执行	TA0002	强	PowerShell 分析、无文件恶意软件、脚本块日志记录
持久化	TA0003	强	计划任务、注册表、服务账户、LOTL
权限提升	TA0004	强	Kerberoasting、AD 攻击、云权限提升
防御规避	TA0005	强	混淆、rootkit 分析、规避检测
凭据访问	TA0006	强	Mimikatz 检测、pass-the-hash、凭据转储
发现	TA0007	中等	BloodHound、AD 枚举、网络扫描
横向移动	TA0008	强	SMB 漏洞利用、使用 Splunk 检测横向移动
收集	TA0009	中等	邮件取证、数据暂存检测
命令与控制	TA0011	强	C2 信标、DNS 隧道、Cobalt Strike 分析
数据外泄	TA0010	强	DNS 外泄、DLP 控制、数据丢失检测
影响	TA0040	强	勒索软件防御、加密分析、恢复

ATT&CK Navigator layer 文件包含在 v1.0.0 版本资产中，用于可视化覆盖映射。

注意： ATT&CK v19 将于 2026 年 4 月 28 日发布——将防御规避（TA0005）拆分为两个新战术：Stealth 和 Impair Defenses。技能映射将在后续版本中更新。

 

功能	技能数	示例
治理 (GV)	30+	风险策略、政策框架、角色与职责
识别 (ID)	120+	资产发现、威胁态势评估、风险分析
保护 (PR)	150+	IAM 加固、WAF 规则、零信任、加密
检测 (DE)	200+	威胁狩猎、SIEM 关联、异常检测
响应 (RS)	160+	事件响应、取证、事件遏制
恢复 (RC)	40+	勒索软件恢复、BCP、灾难恢复

NIST CSF 2.0（2024 年 2 月）新增了治理功能，并将范围从关键基础设施扩展到所有组织。技能映射对齐所有 22 个类别，并引用 106 个子类别。

 

MITRE ATLAS v5.4——AI/ML 对抗性威胁

ATLAS 映射了针对 AI 和机器学习系统的对抗性战术、技术和案例研究。v5.4 版本涵盖 16 个战术和 84 个技术，包括 2025 年底新增的 agentic AI 攻击向量：AI agent 上下文投毒、工具调用滥用、MCP 服务器入侵和恶意 agent 部署。映射到 ATLAS 的技能帮助 agent 识别和防御针对 ML 管道、模型权重、推理 API 和自主工作流的威胁。

MITRE D3FEND v1.3——防御性对抗措施

D3FEND 是一个由 NSA 资助的知识图谱，包含 267 种防御技术，分布在 7 个战术类别中：Model、Harden、Detect、Isolate、Deceive、Evict 和 Restore。基于 OWL 2 本体构建，它使用共享的数字工件层将防御性对抗措施双向映射到 ATT&CK 攻击技术。带有 D3FEND 标识符的技能让 agent 能够针对检测到的威胁推荐具体的对抗措施。

NIST AI RMF 1.0 + GenAI Profile（AI 600-1）

AI 风险管理框架定义了 4 个核心功能——Govern、Map、Measure、Manage——包含 72 个子类别，用于可信 AI 开发。GenAI Profile（AI 600-1，2024 年 7 月）新增了 12 个风险类别，专门针对生成式 AI，从虚构内容、数据隐私到提示注入和供应链风险。科罗拉多州的 AI 法案（2026 年 2 月生效）为遵守 NIST AI RMF 的组织提供了法律安全港，使这些映射与监管合规直接相关。

兼容平台

AI 代码助手 Claude Code (Anthropic) · GitHub Copilot (Microsoft) · Cursor · Windsurf · Cline · Aider · Continue · Roo Code · Amazon Q Developer · Tabnine · Sourcegraph Cody · JetBrains AI

CLI agent OpenAI Codex CLI · Gemini CLI (Google)

自主 agent Devin · Replit Agent · SWE-agent · OpenHands

Agent 框架与 SDK LangChain · CrewAI · AutoGen · Semantic Kernel · Haystack · Vercel AI SDK · 任何兼容 MCP 的 agent

所有支持 agentskills.io 标准的平台都可以零配置加载这些技能。

用户评价

"一个真实、组织化的安全技能数据库，任何 AI agent 都可以接入并使用。不是教程。不是博客文章。" — Hasan Toor (@hasantoxr)，AI/科技创作者

"这不是安全脚本的随机集合。它是一个为 AI 驱动的安全工作流设计的结构化运营知识库。" — fazal-sec，Medium

特色收录

位置	类型	链接
awesome-agent-skills	Awesome 列表（1000+ 技能索引）	VoltAgent/awesome-agent-skills
awesome-ai-security	Awesome 列表（AI 安全工具）	ottosulin/awesome-ai-security
awesome-codex-cli	Awesome 列表（Codex CLI 资源）	RoggeOhta/awesome-codex-cli
SkillsLLM	技能目录与市场	skillsllm.com/skill/anthropic-cybersecurity-skills
Openflows	信号分析与追踪	openflows.org
NeverSight skills_feed	自动化技能索引	NeverSight/skills_feed

Star 历史

版本发布

版本	日期	亮点
v1.0.0	2026 年 3 月 11 日	734 个技能 · 26 个领域 · MITRE ATT&CK + NIST CSF 2.0 映射 · ATT&CK Navigator layer

自 v1.0.0 以来，main 分支上的技能持续增长——该库现在包含 754 个技能，并具有 5 框架映射（MITRE ATLAS、D3FEND 和 NIST AI RMF 在发布后添加）。请查看 Releases 获取最新的标记版本。

贡献

本项目通过社区贡献发展壮大。以下是参与方式：

添加新技能——像欺骗技术（2 个技能）和合规与治理（5 个技能）这样的领域最需要帮助。请遵循 CONTRIBUTING.md 中的模板，并提交标题为 Add skill: your-skill-name 的 PR。

改进现有技能——添加框架映射、修复工作流、更新工具引用，或贡献脚本和模板。

报告问题——发现不准确的流程或损坏的脚本？提交 issue。

每个 PR 都会在 48 小时内接受技术准确性和 agentskills.io 标准合规性审查。查看 good first issues 作为起点。

本项目遵循 Contributor Covenant。参与即表示你同意遵守此行为准则。

社区

💬 Discussions — 问题、想法和路线图讨论 🐛 Issues — Bug 报告和功能请求 🔒 Security Policy — 负责任的披露流程（48 小时内确认）

引用

如果你在研究或出版物中使用本项目：

@software{anthropic_cybersecurity_skills,
  author       = {Jangra, Mahipal},
  title        = {Anthropic Cybersecurity Skills},
  year         = {2026},
  url          = {https://github.com/mukul975/Anthropic-Cybersecurity-Skills},
  license      = {Apache-2.0},
  note         = {754 structured cybersecurity skills for AI agents,
                  mapped to MITRE ATT\&CK, NIST CSF 2.0, MITRE ATLAS,
                  MITRE D3FEND, and NIST AI RMF}
}

许可证

本项目采用 Apache License 2.0 许可。你可以在个人和商业项目中自由使用、修改和分发这些技能。

---

如果本项目对你的安全工作有帮助，请考虑给它一个 ⭐

⭐ Star · 🍴 Fork · 💬 Discuss · 📝 Contribute

由 @mukul975 创建的社区项目。与 Anthropic PBC 无关。