软件下载帮助文档新闻资讯

Skill UI

浏览并发现 16644+ 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

搜索攻击，共找到 16 条记录

默认排序最新上传最多下载

Seatbelt 沙箱配置生成

seatbelt-sandboxer

trailofbits/skills

为 macOS 应用生成最小权限的 Seatbelt 沙箱配置，通过白名单方式限制文件、网络、IPC 等访问，适合在需要隔离、限制或防护高风险运行和供应链攻击的场景使用。

分析勒索软件泄露网站情报

analyzing-ransomware-leak-site-intelligence

mukul975/Anthropic-Cybersecurity-Skills

本技能提供了一套结构化的方法论和Python实现，用于监控和分析勒索软件的泄露网站（DLS）。它帮助安全分析师追踪受害者信息，提取关于攻击者战术的情报，评估特定行业的风险，从而实现主动防御，掌握威胁态势。

网络日志入侵分析

analyzing-web-server-logs-for-intrusion

mukul975/Anthropic-Cybersecurity-Skills

本工具提供了一个全面的框架，用于分析Web服务器日志（Apache/Nginx）以检测各种安全威胁。它利用高级正则表达式匹配OWASP攻击签名，识别SQL注入、本地文件包含和目录遍历尝试，并进行行为分析以检测暴力破解和Web扫描器指纹。系统使用GeoIP丰富数据以进行源头归属，为SOC分析师生成优先级的报告。

深度伪造语音检测与反欺诈系统

detecting-deepfake-audio-in-vishing-attacks

mukul975/Anthropic-Cybersecurity-Skills

该技能用于检测语音钓鱼（vishing）攻击中使用的AI生成深度伪造音频。它通过提取MFCC、频谱质心等关键声学特征，并利用机器学习模型进行分类判断，以确定录音的真实性。支持批量取证分析，生成信心评分和详细报告，是网络安全和反欺诈调查的关键工具。

Claude内容安全防护与卫栏

clade-policy-guardrails

jeremylongshore/claude-code-plugins-plus-skills

本技能指导如何在应用中使用Claude时，构建全面的内容安全防护层。它涵盖了系统提示词强化、输入验证（包括检测注入攻击和长度限制）以及输出校验（防止系统提示词泄露），确保AI应用的安全性、合规性和可靠性。

AI/LLM安全红队测试指南

offensive-ai-security

SnailSploit/Claude-Red

提供一套完整的AI/LLM系统安全渗透测试方法论，用于评估大型语言模型和AI应用的鲁棒性。涵盖提示词注入、越狱、数据投毒、模型提取等高级攻击向量，适用于进行AI系统的红队演练和安全评估。

杀伤论证对抗评审

wanshuiyin/Auto-claude-code-research-in-sleep

通过双线程对抗评审压力测试论文：第一位评审撰写最强的200字拒稿备忘录，第二位评审逐点辩护并标记未解决的关键问题。适用于理论论文投稿前或回复审稿意见前，提前暴露最可能致命的审稿攻击点。

云攻击方法论

offensive-cloud

SnailSploit/Claude-Red

面向 AWS、Azure、GCP 的云安全攻击与渗透方法论，涵盖身份识别、凭据收集、枚举、提权、持久化、数据外传、横向移动、无服务器与云上 Kubernetes 攻击及规避检测，适用于授权评估。

AI/ML安全专家攻击手册

yaklang/hack-skills

本手册是一份全面的AI/ML安全指南，详细介绍了机器学习和AI系统中的高级安全威胁。内容涵盖模型供应链攻击（如pickle RCE、数据投毒）、对抗样本（FGSM、PGD、物理世界攻击）、数据隐私泄露以及LLM特定漏洞。是构建健壮、安全AI流程的关键参考。

LLM提示词注入攻击手册

llm-prompt-injection

yaklang/hack-skills

本手册提供了一份专业的LLM提示词注入攻击剧本，涵盖了所有高级攻击技术。包括直接指令覆盖、通过外部数据源污染（如RAG），以及利用工具和函数调用链进行数据窃取和绕过安全机制。适用于AI应用的深度安全测试与防御加固。

检测数据与模型投毒攻击

detecting-data-and-model-poisoning

mukul975/Anthropic-Cybersecurity-Skills

本工具提供一套全面的解决方案，用于检测机器学习系统中的数据投毒、模型后门和供应链安全漏洞。它利用ART工具箱进行激活聚类和谱指纹分析，同时结合Cleanlab进行标签质量校验，并通过哈希验证和safetensors格式强制执行模型完整性。适用于模型训练前、部署前及整个生命周期安全审计。

检测间接提示注入载荷

detecting-indirect-prompt-injection

mukul975/Anthropic-Cybersecurity-Skills

本技能用于检测和防御间接提示注入攻击。当LLM代理处理来自外部的不可信内容（如网页、PDF、图片）时，攻击者可能将隐藏指令嵌入其中。本工具通过内容提取、去混淆处理和多模型扫描，在数据进入LLM之前进行安全净化，防止恶意指令劫持代理行为。

语言