你有没有这种体验：让 AI 帮你分析一个安全事件，它给你一堆泛泛而谈的建议，什么”加强密码策略”、”定期更新补丁”——这些谁不知道？但具体怎么分析恶意软件流量？怎么追踪攻击者的 TTP？怎么映射到 MITRE ATT&CK 框架？AI 一脸懵逼。

问题出在哪？AI 缺乏结构化的安全知识。

一、AI 在安全领域的困境

1.1 AI 的”安全知识盲区”

当你让 AI 帮你做安全分析时：

1
2
3
4
5
6
7
8

你：帮我分析这个恶意软件样本
AI：建议你使用杀毒软件扫描...

你：这个攻击者的 TTP 是什么？
AI：TTP 是 Tactics, Techniques, and Procedures 的缩写...

你：帮我映射到 MITRE ATT&CK 框架
AI：MITRE ATT&CK 是一个知识库...

AI 知道概念，但不知道怎么操作。

1.2 真实数据

在企业安全团队中：

问题很明显： 安全人才短缺，培训周期长，AI 可以帮忙但缺乏结构化知识。

二、解决方案：Anthropic Cybersecurity Skills

2.1 一句话

754 个结构化网络安全技能，让 AI 智能体具备专家级安全分析能力。

2.2 核心数据

2.3 项目地址

https://github.com/mukul975/Anthropic-Cybersecurity-Skills

三、五大安全框架映射

这个项目最大的特点是：每个技能都映射到 5 个行业标准框架。

3.1 MITRE ATT&CK

是什么： 全球最权威的攻击者行为知识库

包含内容：

• 14 个战术（Tactics）
• 200+ 个技术（Techniques）
• 400+ 个子技术（Sub-techniques）

示例映射：

1
2
3
4
5

skill: analyzing-network-traffic-of-malware
mitre_attack:
  tactic: TA0011 - Command and Control
  technique: T1071 - Application Layer Protocol
  sub_technique: T1071.001 - Web Protocols

3.2 NIST CSF 2.0

是什么： 美国国家标准与技术研究院的网络安全框架

包含内容：

• 6 个核心功能：识别、保护、检测、响应、恢复、治理
• 22 个类别
• 106 个子类别

示例映射：

1
2
3
4
5

skill: analyzing-network-traffic-of-malware
nist_csf:
  function: DE - Detect
  category: DE.CM - Security Continuous Monitoring
  subcategory: DE.CM-01 - Networks and network services are monitored

3.3 MITRE ATLAS

是什么： 针对 AI 系统的攻击和防御知识库

包含内容：

• AI 特定的攻击技术
• 对抗性机器学习
• AI 系统安全

示例映射：

1
2
3
4

skill: analyzing-network-traffic-of-malware
mitre_atlas:
  tactic: ML0001 - ML Model Access
  technique: AML.T0024 - Exfiltration via ML Inference API

3.4 MITRE D3FEND

是什么： 网络安全防御技术知识库

包含内容：

• 防御技术分类
• 技术关系映射
• 防御策略

示例映射：

1
2
3
4

skill: analyzing-network-traffic-of-malware
d3fend:
  technique: D3-NTA - Network Traffic Analysis
  artifact: D3-NTA - Network Traffic

3.5 NIST AI RMF

是什么： AI 风险管理框架

包含内容：

• AI 系统风险管理
• AI 安全治理
• AI 伦理和合规

示例映射：

1
2
3
4

skill: analyzing-network-traffic-of-malware
nist_ai_rmf:
  function: GO - Govern
  category: GO.1 - Govern and Map

四、26 个安全领域

4.1 领域列表

4.2 技能示例

恶意软件分析技能：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

name: analyzing-network-traffic-of-malware
description: 分析恶意软件的网络流量行为
domain: malware_analysis
difficulty: advanced
time_estimate: 2-4 hours

steps:
  1. 使用 Wireshark/Tcpdump 捕获网络流量
  2. 过滤可疑连接
  3. 分析 DNS 查询模式
  4. 识别 C2 通信协议
  5. 提取 IOC（IP、域名、URL）
  6. 映射到 MITRE ATT&CK

tools:
  - Wireshark
  - Tcpdump
  - NetworkMiner
  - Zeek

output:
  - 网络流量报告
  - IOC 列表
  - ATT&CK 映射

事件响应技能：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

name: incident-response-forensic-analysis
description: 安全事件的取证分析
domain: incident_response
difficulty: expert
time_estimate: 4-8 hours

steps:
  1. 识别事件范围和影响
  2. 收集易失性证据
  3. 磁盘镜像和分析
  4. 内存取证
  5. 时间线重建
  6. 根因分析
  7. 撰写事件报告

tools:
  - Autopsy
  - Volatility
  - FTK Imager
  - Plaso/log2timeline

output:
  - 取证报告
  - 时间线
  - IOC 列表
  - 修复建议

五、支持的 AI 平台

5.1 官方支持

5.2 兼容平台

支持任何遵循 agentskills.io 标准的 AI 平台。

六、安装和使用

6.1 安装方式

方式一：Git Clone

1
2

git clone https://github.com/mukul975/Anthropic-Cybersecurity-Skills.git
cd Anthropic-Cybersecurity-Skills

方式二：Claude Code 插件市场

1
2
3
4
5

# 在 Claude Code 中添加插件市场
/plugin marketplace add https://github.com/mukul975/Anthropic-Cybersecurity-Skills.git

# 安装技能
/plugin install anthropic-cybersecurity-skills

6.2 使用示例

示例 1：恶意软件分析

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

你：帮我分析这个恶意软件样本的网络行为

AI：好的，我将使用 analyzing-network-traffic-of-malware 技能。

步骤：
1. 使用 Wireshark 捕获网络流量
2. 过滤 DNS 查询，发现可疑域名：malware-c2.example.com
3. 分析 HTTP 请求，识别 C2 通信协议
4. 提取 IOC：
   - IP: 192.168.1.100
   - 域名: malware-c2.example.com
   - URL: /api/beacon
5. 映射到 MITRE ATT&CK：
   - 战术: Command and Control (TA0011)
   - 技术: Application Layer Protocol (T1071)

示例 2：事件响应

1
2
3
4
5
6
7
8
9
10
11
12
13

你：我们检测到一个安全事件，帮我做取证分析

AI：好的，我将使用 incident-response-forensic-analysis 技能。

步骤：
1. 识别事件范围：3 台服务器受影响
2. 收集易失性证据：内存转储、网络连接、进程列表
3. 磁盘镜像分析：发现恶意文件 C:\temp\backdoor.exe
4. 时间线重建：
   - 2026-06-15 14:30 - 攻击者初始访问
   - 2026-06-15 14:45 - 横向移动
   - 2026-06-15 15:00 - 数据窃取
5. 根因分析：钓鱼邮件导致凭证泄露

示例 3：渗透测试

1
2
3
4
5
6
7
8
9
10

你：帮我做一个 Web 应用的漏洞评估

AI：好的，我将使用 web-application-vulnerability-assessment 技能。

步骤：
1. 信息收集：子域名枚举、端口扫描
2. 漏洞扫描：SQL 注入、XSS、CSRF
3. 漏洞验证：确认 3 个高危漏洞
4. 风险评估：CVSS 评分 8.5
5. 修复建议：参数化查询、输入验证、CSRF Token

七、技能文件结构

7.1 文件格式

每个技能都是一个 Markdown 文件，包含 YAML frontmatter：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

---
name: skill-name
description: 技能描述
domain: security_domain
difficulty: beginner/intermediate/advanced/expert
time_estimate: 1-2 hours
mitre_attack:
  tactic: TA0001
  technique: T1001
nist_csf:
  function: DE
  category: DE.CM
---

# 技能名称

## 概述
技能的详细描述

## 步骤
1. 第一步
2. 第二步
...

## 工具
- 工具 1
- 工具 2

## 输出
- 输出 1
- 输出 2

7.2 目录结构

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

Anthropic-Cybersecurity-Skills/
├── skills/
│   ├── malware_analysis/
│   │   ├── analyzing-network-traffic-of-malware.md
│   │   ├── static-malware-analysis.md
│   │   └── dynamic-malware-analysis.md
│   ├── incident_response/
│   │   ├── incident-response-forensic-analysis.md
│   │   └── evidence-collection.md
│   ├── penetration_testing/
│   │   ├── web-application-vulnerability-assessment.md
│   │   └── network-penetration-testing.md
│   └── ... (26 个领域)
├── mappings/
│   ├── mitre_attack.yaml
│   ├── nist_csf.yaml
│   ├── mitre_atlas.yaml
│   ├── d3fend.yaml
│   └── nist_ai_rmf.yaml
├── tools/
│   ├── validator.py
│   └── index_generator.py
└── docs/
    └── ...

八、实际应用场景

8.1 企业安全团队

场景： 安全运营中心（SOC）需要快速响应安全事件

解决方案：

• 使用事件响应技能快速分析告警
• 使用威胁情报技能提取 IOC
• 使用取证技能重建攻击时间线

效果：

• 事件响应时间从 207 天缩短到 24 小时
• 分析效率提升 60%+
• 减少对高级安全专家的依赖

8.2 安全咨询公司

场景： 需要为客户提供渗透测试服务

解决方案：

• 使用渗透测试技能进行漏洞评估
• 使用安全架构技能进行威胁建模
• 使用合规审计技能检查合规性

效果：

• 测试覆盖率提升 40%
• 报告质量一致性提高
• 项目交付时间缩短 30%

8.3 安全培训

场景： 培训初级安全分析师

解决方案：

• 使用技能作为培训材料
• 通过实际案例学习安全技能
• 逐步提升技能难度

效果：

• 培训周期从 6 个月缩短到 2 个月
• 技能掌握度提升 50%
• 实战能力显著提高

九、与其他方案对比

9.1 对比表格

9.2 核心优势

1. 结构化：每个技能都有明确的步骤和输出
2. 标准化：遵循 agentskills.io 开放标准
3. 框架映射：5 个行业标准框架全覆盖
4. AI 原生：专为 AI 智能体设计
5. 社区驱动：18k+ Stars，持续贡献

十、未来展望

10.1 技能扩展

• 更多安全领域覆盖
• 更多语言支持
• 更多 AI 平台集成

10.2 框架更新

• 跟进 MITRE ATT&CK 版本更新
• 支持新的安全框架
• 动态框架映射

10.3 AI 增强

• 更智能的技能推荐
• 自动化技能执行
• 学习和优化

总结

Anthropic Cybersecurity Skills 解决了 AI 在安全领域的核心问题：缺乏结构化的安全知识。

以前： AI 知道安全概念，但不知道怎么操作。

现在： AI 有了 754 个结构化技能，可以像专家一样分析安全事件。

这个项目的意义：

1. 降低门槛：让初级分析师也能做专家级分析
2. 提高效率：AI 辅助安全分析，效率提升 60%+
3. 标准化：统一的安全技能标准
4. 开源免费：Apache 2.0 许可证

如果你想让 AI 成为你的安全助手，Anthropic Cybersecurity Skills 是目前最好的选择。

参考资源：

• GitHub：https://github.com/mukul975/Anthropic-Cybersecurity-Skills
• agentskills.io 标准：https://agentskills.io/
• MITRE ATT&CK：https://attack.mitre.org/
• NIST CSF 2.0：https://www.nist.gov/cyberframework