下载

Skill UI

浏览并发现 7129+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索追踪数据，共找到 23 条记录

默认排序最新上传最多下载

频率分析追踪C2信标

hunting-for-beaconing-with-frequency-analysis

mukul975/Anthropic-Cybersecurity-Skills

通过频率与抖动分析对 Zeek/代理日志及 SIEM 数据进行统计，识别周期性 C2 信标，并结合情报、映射端点进程后排序风险，支撑主动威胁搜寻与演练。

注册表持久化追踪

hunting-for-registry-persistence-mechanisms

mukul975/Anthropic-Cybersecurity-Skills

通过关联EDR、SIEM及Sysmon数据，追踪Run键、Winlogon DLL、IFEO注入和COM劫持等注册表持久化迹象，在情报、响应、评估等场景验证假设并记录结论。

启动文件夹持久化追踪

hunting-for-startup-folder-persistence

mukul975/Anthropic-Cybersecurity-Skills

通过扫描 Windows 启动目录、分析元数据并监听 startup 文件夹的实时变化，识别 T1547.001 持久化植入并生成报告与告警，支撑威胁狩猎与防御覆盖验证。

供应链妥协威胁狩猎

hunting-for-supply-chain-compromise

mukul975/Anthropic-Cybersecurity-Skills

通过EDR 与 SIEM 数据追踪木马化更新、受损依赖、未授权代码和篡改构件，关联事件、确认真伪并输出处置建议，适用于主动威胁探测与事件响应。

活动目录妥协调查

performing-active-directory-compromise-investigation

mukul975/Anthropic-Cybersecurity-Skills

通过分析身份验证日志、复制元数据、GPO变更与Kerberos异常，追踪活动目录中的持久化与横向移动，辅助事件响应与安全评估。

云环境取证调查指南

performing-cloud-forensics-investigation

mukul975/Anthropic-Cybersecurity-Skills

指导在 AWS、Azure 和 GCP 云中收集日志、快照与元数据，追踪未经授权访问并保存证据，适用于安全事件响应与数字取证调查。

自动化红队钓鱼模拟测试

performing-red-team-phishing-with-gophish

mukul975/Anthropic-Cybersecurity-Skills

该技能使用Python和gophish库自动化红队钓鱼模拟活动。用户可以创建带有追踪像素的邮件模板，配置SMTP发送协议，导入CSV目标群体，并启动全面的模拟测试。系统可分析打开率、点击率和提交的凭证等关键指标，为安全意识培训和漏洞评估提供重要数据。

自动化GDPR数据主体访问请求

implementing-gdpr-data-subject-access-request

mukul975/Anthropic-Cybersecurity-Skills

自动化管理GDPR/UK GDPR的数据主体访问请求，包括请求采集与核验、跨库文件的PII发现、数据映射与分类、豁免审查、模板化反馈、时限追踪与审计记录，适用于构建或审核合规的DSAR流程。

数据库迁移缺陷报告撰写指南

creating-oracle-to-postgres-migration-bug-report

github/awesome-copilot

本文档提供了在执行Oracle到PostgreSQL数据库迁移时，撰写结构化缺陷报告的完整指南。它详细介绍了缺陷报告必须包含的要素，包括缺陷严重性、根因分析、复现场景和解决方案。核心指导原则是以上游的Oracle行为为基准，确保记录全面准确，从而提升缺陷追踪和修复的效率。

系统化缺陷追踪与定位

trace-and-isolate

rohitg00/skillkit

提供一套系统化、结构化的方法论，用于定位复杂代码中的缺陷根源。核心技术涵盖二分搜索调试、Git bisect回溯、数据流与控制流追踪、组件隔离以及条件断点设置。适用于难以重现、或在大型代码库中难以确定错误源头的场景。

根因系统化调试流程

systematic-debugging

jnMetaCode/superpowers-zh

本流程提供了一套系统化、四阶段的软件调试方法论。核心原则是：必须找到问题的根本原因，而不是修补表面症状。流程涵盖了从根因调查（数据流追踪、收集证据）、模式分析、科学假设验证，到基于测试的最终修复实施。适用于任何复杂的生产环境Bug、失败的测试用例或系统异常行为。

语言