817个AI代理网络安全技能库，支持Claude Code等20+平台

规模最大的 AI 智能体开源网络安全技能库

817 个生产级网络安全技能 · 29 个安全领域 · 6 个框架映射 · 26+ 个 AI 平台

开始使用 · 内容概览 · 框架映射 · 支持平台 · 贡献指南

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

🔐 仅限授权与合法使用。本库包含进攻性和双用途技术（例如红队 C2、网络钓鱼模拟、漏洞利用），旨在用于授权的渗透测试、安全研究、防御和教育。只能用于您拥有或已获得明确书面授权测试的系统，并遵守所有适用法律和规则。您需对如何使用这些技能承担全部责任。详见 SECURITY.md 和 CODE_OF_CONDUCT.md。

赋予任何 AI 智能体高级安全分析师的技能

初级分析师知道在可疑的内存转储上运行哪个 Volatility3 插件、哪些 Sigma 规则能捕获 Kerberoasting 攻击，以及如何跨三个云服务商界定云端违规的范围。您的 AI 智能体不知道——除非您赋予它这些技能。

本仓库包含 817 个覆盖 29 个安全领域的结构化网络安全技能，每个技能均遵循 agentskills.io 开放标准。该库映射到六个行业框架——MITRE ATT&CK、NIST CSF 2.0、MITRE ATLAS、MITRE D3FEND、NIST AI RMF 和 MITRE Fight Fraud Framework（F3）——每个技能都映射到与其类型相关的框架（取证技能对应 ATT&CK + CSF；AI 安全技能额外对应 ATLAS 和 AI RMF）。克隆它，将您的智能体指向它，您的下一次安全调查将在几秒内获得专家级指导。

六个框架，一个技能库

每个技能仅映射到与其主题相关的框架——ATT&CK 和 NIST CSF 几乎通用，而 ATLAS、AI RMF、D3FEND 和 F3 在相关时才会应用。817 个技能的框架覆盖情况：MITRE ATT&CK 805 · NIST CSF 2.0 804 · MITRE D3FEND 139 · NIST AI RMF 97 · MITRE F3 94 · MITRE ATLAS 93。

示例——每个技能仅映射到与其相关的框架（一个可能命中全部六个，另一个只命中其中几个）：

🆕 MITRE Fight Fraud Framework（F3）—— 94 个欺诈相关技能

MITRE Fight Fraud Framework（F3）于 2026 年 4 月 9 日由 MITRE 威胁知情防御中心（CTID）发布，与摩根大通、花旗集团、劳埃德银行集团、渣打银行、CrowdStrike、威瑞森商业、FS-ISAC 等共同开发。这是一个与 ATT&CK 兼容的TTP 目录，针对网络助力的金融欺诈——填补了 ATT&CK 在初始入侵之后留下的空白。

F3 v1.1 新增了两个 ATT&CK 未列举的欺诈专用战术：

定位（Positioning，FA0001）—— 在获得访问权限后，为收集/操纵数据并准备欺诈所采取的行动（合成身份种子填充、账户预热、受益人设置、SIM 卡Swap 预先定位、银行会话劫持）。

变现（Monetization，FA0002）—— 将被盗资产转换为可用资金（钱骡分层、APP 欺诈、加密离场出金、银行卡套现、退款/Chargeback 滥用）。

欺诈专用技术使用 F1XXX ID（例如 F1005.003 添加受益人、F1025.003 电汇、F1007 浏览器中攻击者）；复用的 ATT&CK 技术保留其 T1XXX ID。映射位于每个技能的 mitre_f3: frontmatter 块中——所有 123 个 F3 v1.1 技术 ID 均已对照上游 STIX bundle 进行验证。详见 docs/mitre-f3-mapping.md 中的模式说明。

MITRE ATT&CK v19.1 — 805/817 个技能已映射

每个技能都携带一个 mitre_attack frontmatter 列表，使用官方 mitreattack-python 库对照 MITRE ATT&CK v19.1（最新版本）进行了验证——覆盖 Enterprise、ICS 和 Mobile 的 290 个不同技术和子技术（146 个基础 + 144 个子技术）。零个已撤销或已弃用的 ID。v19.1 重组后的防御规避（现拆分为隐匿和防御削弱）已反映在下方。

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

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

可与 Claude Code、GitHub Copilot、OpenAI Codex CLI、Cursor、Gemini CLI 及任何兼容 agentskills.io 的平台无缝协作。

🌍 GARS-2026 — 全球 AI 智能体就绪度调查

我正在进行一项全球学术研究，衡量安全专业人员、开发人员和企业团队在 agentic AI 方面的实际就绪程度——包括 MCP 服务器、工具调用、治理和人在回路工作流。

如果您使用过本仓库，您的回答将是一个真正有价值的数据点。

📋 参与调查（10 分钟）：Survey Link

60 道题 · 匿名 · 由 SRH Berlin 监督

完成后可获得 50 个 Casky Tokens，用于提前访问 casky.ai

结果将以 CC-BY 4.0 开放获取协议发布

🚀 在 Playground 上体验

亲自动手体验 Casky.ai——无需任何设置。

在 Casky.ai 上启动 Playground

Playground 允许你：

• 针对真实目标运行网络安全技能实战练习
• 实时观察 AI 智能体执行结构化技能
• 交互式探索 MITRE ATT&CK 映射工作流
• 测试威胁狩猎、DFIR（数字取证与事件响应）及渗透测试场景

无需安装，无需配置，打开即可开始。

2024 年，全球网络安全人才缺口已达 480 万个未填补岗位（ISC2）。AI 智能体可以帮助缩小这一差距——但前提是它们拥有可用于工作的结构化领域知识。当下的 AI 智能体可以写代码、搜索网页，但它们缺乏将通用 LLM 转变为合格安全分析师的从业者手册。

现有的安全工具仓库提供的是字典、载荷或漏洞利用代码。没有任何一个能为 AI 智能体提供资深分析师所遵循的结构化决策工作流：何时使用某项技术、需要检查哪些前置条件、如何逐步执行、如何验证结果。这正是本项目所填补的空白。

Anthropic Cybersecurity Skills 不是脚本或检查清单的集合。它是一个从零开始专为 agentskills.io 标准构建的 AI 原生知识库——YAML frontmatter 实现亚秒级发现、结构化 Markdown 实现逐步执行、参考文件提供深层技术上下文。每一项技能编码的都是真实的从业者工作流，而非生成的摘要。

里面有什么——29 个安全领域

AI 智能体如何使用这些技能

每项技能扫描 frontmatter 仅需约 30 个 token，完全加载（完整工作流）需要 500–2,000 个 token。这种渐进式披露架构让 AI 智能体可以在单次 pass 中搜索全部 817 项技能，而不会撑爆上下文窗口。

用户提示："分析这个内存转储，查找凭证窃取的迹象"

AI 智能体内部流程：

1. 扫描 817 项技能的 frontmatter（每项约 30 个 token）
     → 通过标签、描述、领域匹配识别出 12 项相关技能

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

3. 按步骤执行 Workflow 部分
     → 运行 Volatility3 插件、检查 LSASS 访问模式、
        关联事件日志证据

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

没有这些技能，AI 智能体只能猜测工具命令并遗漏关键步骤。有了它们，AI 智能体遵循的正是资深 DFIR 分析师会使用的手册。

每项技能都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      ← 深层技术程序参考
├── scripts/
│   └── process.py        ← 可用的辅助脚本
└── assets/
    └── template.md       ← 填写好的检查清单和报告模板

YAML frontmatter（真实示例）

---
name: performing-memory-forensics-with-volatility3
description: >-
  Analyze memory dumps to extract running processes, network connections,
  injected code, and malware artifacts using the Volatility3 framework.
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 正文各部分

## When to Use
触发条件——AI 智能体何时应该激活此技能？

## Prerequisites
所需工具、访问级别和环境设置。

## Workflow
带具体命令和决策点的逐步执行指南。

## Verification
如何确认技能已成功执行。

Frontmatter 字段说明：name（kebab-case，1–64 字符）、description（面向 AI 智能体发现的关键词丰富描述）、domain、subdomain、tags、atlas_techniques（MITRE ATLAS ID）、d3fend_techniques（MITRE D3FEND ID）、nist_ai_rmf（NIST AI RMF 参考）、nist_csf（NIST CSF 2.0 类别）。MITRE ATT&CK 技术映射记录在每项技能的 references/standards.md 文件中，并包含在发布包附带的 ATT&CK Navigator 图层文件中。

ATT&CK Navigator 图层文件包含在 v1.0.0 发布资源中，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。

NIST CSF 2.0（2024 年 2 月）新增了 Govern 功能，并将范围从关键基础设施扩展到所有组织。技能映射对齐全部 22 个类别并参考 106 个子类别。

MITRE ATLAS 2026.07 — 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。2026.07 版本涵盖 101 项技术和 77 项子技术，包括 2025 年底新增的 AI 智能体攻击向量：AI 智能体上下文污染、工具调用滥用、MCP 服务器入侵以及恶意 AI 智能体部署。映射到 ATLAS 的技能帮助 AI 智能体识别并防御针对 ML 流水线、模型权重、推理 API 和自主工作流的威胁。

MITRE D3FEND v1.4.0 — 防御性对策

D3FEND 是由 NSA 资助的知识图谱，包含 270 项跨 7 个战术类别的防御技术：Model、Harden、Detect、Isolate、Deceive、Evict 和 Restore。基于 OWL 2 本体构建，它使用共享的 Digital Artifact 层在防御性对策和 ATT&CK 进攻性技术之间双向映射。使用 D3FEND ID 标记的技能让 AI 智能体能够为检测到的威胁推荐具体对策。

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——以及 72 个可信赖 AI 开发的子类别。GenAI Profile（AI 600-1，2024 年 7 月）新增了 12 个针对生成式 AI 的风险类别，从杜撰（confabulation）和数据隐私到提示注入和供应链风险。科罗拉多州 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。

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 智能体

OpenAI Codex CLI · Gemini CLI（Google）

自主 AI 智能体

Devin · Replit Agent · SWE-agent · OpenHands

AI 智能体框架与 SDK

LangChain · CrewAI · AutoGen · Semantic Kernel · Haystack · Vercel AI SDK · 任何支持 MCP 的 AI 智能体

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、有序的安全技能数据库，任何 AI 智能体都可以接入使用。不是教程，不是博客文章。" — Hasan Toor（@hasantoxr），AI/科技创作者

"这不是随机收集的安全脚本集合。这是一个为 AI 驱动安全工作流设计的结构化运营知识库。" — fazal-sec，Medium

自 v1.0.0 以来技能库持续增长——目前已包含 817 项技能，映射到 6 个框架（MITRE ATLAS、D3FEND、NIST AI RMF，以及发布后新增的 MITRE Fight Fraud Framework）。查看 Releases 获取最新标记版本。

本项目通过社区贡献持续增长。以下是参与方式：

提交新技能 — Deception Technology（2 项技能）和 Compliance & Governance（5 项技能）领域最需要帮助。请遵循 CONTRIBUTING.md 中的模板，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、更新工具参考，或贡献脚本和模板。

报告问题 — 发现流程不准确或脚本有问题？提交 issue。

每个 PR 都会在 48 小时内进行技术准确性和 agentskills.io 标准合规性审查。请查看 good first issues 寻找起点。

本项目遵循《贡献者公约》（Contributor Covenant）。参与即表示你同意遵守本准则。

🙏 感谢我们的贡献者

本技能库由社区构建。感谢每一位贡献者：

按贡献数量排序 · 查看完整贡献者图谱

💬 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）

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         = {817 个面向 AI 智能体的结构化网络安全技能，
                  映射至 MITRE ATT\&CK、NIST CSF 2.0、MITRE ATLAS、
                  MITRE D3FEND 及 NIST AI RMF}
}

本项目遵循 Apache License 2.0 开源许可。您可以自由地在个人项目和商业项目中对该项目进行使用、修改和分发。

如果本项目对您的安全工作有所帮助，欢迎给我们一个 ⭐

⭐ Star · 🍴 Fork · 💬 Discuss · 📝 Contribute

@mukul975 发起的社区项目。与 Anthropic PBC 无关联。