搜索「Security Scanning」的结果

io.github.mukul975/Anthropic-Cybersecurity-Skills/deploying-honeytokens-and-canarytokens

布设 canarytokens 与蜜罐凭据并在泄露时告警。

io.github.mukul975/Anthropic-Cybersecurity-Skills/testing-prompt-injection-in-rag-pipelines

通过投毒的检索上下文与嵌入操纵，探测 RAG 应用是否存在提示注入。

io.github.mukul975/Anthropic-Cybersecurity-Skills/testing-for-system-prompt-leakage

提取并防御系统提示词及其内嵌密钥与路由逻辑。

io.github.mukul975/Anthropic-Cybersecurity-Skills/performing-brand-monitoring-for-impersonation

跨域名、社交媒体、移动应用与暗网渠道监测品牌仿冒攻击，检测针对组织的钓鱼活动、仿冒站点与未授权品牌使用。

io.github.mukul975/Anthropic-Cybersecurity-Skills/detecting-mobile-malware-behavior

通过行为分析、权限滥用检测、网络流量监控与动态插桩，检测并分析移动应用中的恶意行为。适用于分析可疑移动应用的数据外泄、C2 通信、凭据窃取、短信拦截或其他恶意软件迹象。对涉及移动恶意软件分析、应用行为监控、木马检测或可疑应用调查的请求自动激活。

io.github.mukul975/Anthropic-Cybersecurity-Skills/auditing-kubernetes-cluster-rbac

审计 Kubernetes 集群 RBAC 配置，用 kubectl、rbac-tool、KubiScan 与 Kubeaudit 识别权限过大的角色、通配符权限、危险的 ClusterRoleBinding、service account 滥用与提权路径。

io.github.mukul975/Anthropic-Cybersecurity-Skills/deploying-decoy-files-for-ransomware-detection

在文件系统中部署金丝雀文件（蜜标）以实时检测勒索软件的加密活动。通过文件完整性监控或操作系统级看门狗监视精心放置的诱饵文档，在勒索软件修改或加密时触发告警。适用于涉及勒索软件金丝雀部署、蜜罐文件设置、基于欺骗的勒索软件检测，或加密的文件完整性监控等请求。

io.github.mukul975/Anthropic-Cybersecurity-Skills/deploying-ransomware-canary-files

借助 Python 的 watchdog 库做实时文件系统事件检测，在关键目录中部署并监控勒索软件诱饵（canary）文件。放置按精心命名、模仿高价值目标（财务记录、凭据、数据库导出）的诱饵文件，位置选在勒索软件通常会优先枚举的目录。一旦监控到对诱饵文件的读取、修改、重命名或删除操作，就通过邮件、Slack webhook 或 syslog 立即告警，在全面加密开始之前给出早期预警。

io.github.mukul975/Anthropic-Cybersecurity-Skills/testing-ransomware-recovery-procedures

测试并验证勒索软件恢复流程，包括备份还原操作、RTO/RPO 目标核验、恢复顺序编排与干净还原校验，确保组织具备抵御破坏性勒索攻击的能力。

io.github.mukul975/Anthropic-Cybersecurity-Skills/designing-adversary-engagement-with-mitre-engage

使用 MITRE Engage 框架规划、执行并度量对手参与行动，使所部署的欺骗由策略驱动而非临时为之。涵盖 Engage 矩阵（Prepare、Expose、Affect、Elicit、Understand）、10 步操作流程、将参与 Activity 映射到其暴露的 ATT&CK 技术，以及定义可度量的目标与行动目的。适用于团队已有 honeypot、蜜标或 canary token 却缺乏统筹策略、管理层询问「是否及如何应对对手」、构建欺骗/拒止体系、撰写对手参与行动方案，或决定针对特定威胁行为者部署哪些欺骗 Activity 时。

io.github.mukul975/Anthropic-Cybersecurity-Skills/deploying-cloud-deception-with-decoy-resources

在 AWS、Azure 与 GCP 上部署基于诱饵（蜜罐）资源的云原生欺骗，这些资源的唯一目的就是在攻击者触碰的瞬间生成高保真告警：金丝雀 IAM 访问密钥、无权限的诱饵用户/角色/服务主体、蜜罐对象存储桶，以及 Secrets Manager / Key Vault / Secret Manager 中的诱饵密钥。通过 CloudTrail + EventBridge、Azure Sentinel 蜜标观察列表 + Defender、GCP Cloud Audit Logs 接入检测，使对诱饵的任何使用都以近乎零误报路由到 SOC。适用于保护云账户与数据存储、组织仅有本地 honeypot 需要云端覆盖、播撒假 AWS 密钥以捕获凭据窃取与代码泄露，或检测云端侦察与横向移动时。

io.github.mukul975/Anthropic-Cybersecurity-Skills/performing-cloud-log-forensics-with-athena

使用 AWS Athena 查询 CloudTrail、VPC Flow Logs、S3 访问日志与 ALB 日志做取证调查。涵盖带分区投影的 CREATE TABLE DDL，以及检测未授权访问、数据外泄、横向移动与提权的取证 SQL。适用于调查 AWS 安全事件或构建大规模云原生取证工作流。

io.github.mukul975/Anthropic-Cybersecurity-Skills/analyzing-web-server-logs-for-intrusion

解析 Apache 与 Nginx 访问日志，检测 SQL 注入尝试、本地文件包含、目录穿越、Web 扫描器指纹与暴力破解模式。使用基于 OWASP 攻击特征的正则匹配、GeoIP 溯源信息补全，以及对请求频率与响应大小异常值的统计异常检测。

io.github.mukul975/Anthropic-Cybersecurity-Skills/performing-second-order-sql-injection

检测并利用二阶 SQL 注入漏洞：恶意输入先被存入数据库，之后在另一次应用操作中被不安全的 SQL 查询执行。

io.github.mukul975/Anthropic-Cybersecurity-Skills/exploiting-sql-injection-with-sqlmap

在获授权的渗透测试中，使用 sqlmap 检测并利用 SQL 注入漏洞以提取数据库内容。

io.github.mukul975/Anthropic-Cybersecurity-Skills/exploiting-sql-injection-vulnerabilities

在获授权的渗透测试中，用手工技术与 sqlmap 等自动化工具识别并利用 Web 应用的 SQL 注入漏洞。测试者通过报错注入、UNION 注入、布尔盲注与时间盲注，在主流数据库引擎（MySQL、PostgreSQL、MSSQL、Oracle）上检测注入点，演示数据提取、认证绕过与潜在的远程代码执行。对涉及 SQL 注入测试、SQLi 利用、数据库安全评估或注入漏洞验证的请求自动激活。

io.github.mukul975/Anthropic-Cybersecurity-Skills/detecting-sql-injection-via-waf-logs

分析 WAF（ModSecurity/AWS WAF/Cloudflare）日志以检测 SQL 注入攻击活动。解析 ModSecurity 审计日志与 JSON 格式的 WAF 事件日志，识别 SQLi 模式（UNION SELECT、OR 1=1、SLEEP()、BENCHMARK()），跟踪攻击来源、关联多阶段注入尝试，并基于 OWASP 分类生成事件报告。

io.github.mukul975/Anthropic-Cybersecurity-Skills/implementing-disk-encryption-with-bitlocker

在 Windows 终端上用 Microsoft BitLocker 实施全盘加密，防止设备丢失或被盗时静态数据被未授权访问。适用于为满足合规要求部署加密、保护移动工作站，或在企业范围实施数据保护控制。对涉及 BitLocker 加密、磁盘加密、TPM 配置或静态数据保护的请求自动激活。

io.github.mukul975/Anthropic-Cybersecurity-Skills/exploiting-deeplink-vulnerabilities

针对 Android 与 iOS 应用的 deep link（URL scheme 与 App Link）做测试与利用，发现未授权访问、数据注入、intent 劫持与重定向操纵等问题。适用于通过自定义 URI scheme、Android App Links、iOS Universal Links 或基于 intent 的导航评估移动应用攻击面。对涉及 deep link 安全测试、URL scheme 利用、移动 intent 滥用或链接劫持的请求自动激活。

io.github.mukul975/Anthropic-Cybersecurity-Skills/performing-android-app-static-analysis-with-mobsf

使用 Mobile Security Framework（MobSF）对 Android 应用做自动化静态分析，在不运行应用的前提下识别硬编码密钥、不安全权限、脆弱组件、弱加密与代码层安全缺陷。适用于部署前评估 Android APK/AAB 的安全漏洞、渗透测试过程中，或作为 CI/CD 安全门禁。对涉及 Android 静态分析、MobSF 扫描、APK 安全评估或移动应用代码评审的请求自动激活。

io.github.mukul975/Anthropic-Cybersecurity-Skills/exploiting-insecure-data-storage-in-mobile

识别并利用 Android 与 iOS 应用中的本地不安全数据存储漏洞：未加密数据库、全局可读文件、不安全的 SharedPreferences、明文凭据存储，以及 keychain/keystore 的不当使用。适用于聚焦 OWASP M9（不安全数据存储）的移动渗透测试，或 MASVS-STORAGE 合规评估。对涉及移动数据存储安全、本地存储利用、SharedPreferences 分析或移动数据泄露评估的请求自动激活。

io.github.mukul975/Anthropic-Cybersecurity-Skills/performing-mobile-app-certificate-pinning-bypass

在获授权的安全评估中绕过 Android 与 iOS 应用的 SSL/TLS 证书固定实现，使流量可被拦截。涵盖 OkHttp、TrustManager、NSURLSession 与第三方 pinning 库的绕过技术，使用 Frida、Objection 与自定义脚本。对涉及证书固定绕过、SSL pinning 破解、移动 TLS 拦截或抗代理应用测试的请求自动激活。

io.github.mukul975/Anthropic-Cybersecurity-Skills/intercepting-mobile-traffic-with-burpsuite

使用 Burp Suite 代理拦截并分析移动应用的 HTTP/HTTPS 流量，识别不安全的 API 通信、认证缺陷、数据泄露与服务端漏洞。适用于移动应用渗透测试、API 安全评估或客户端-服务端通信模式分析。对涉及移动流量拦截、Burp Suite 移动代理、API 安全测试或移动 HTTPS 分析的请求自动激活。

io.github.mukul975/Anthropic-Cybersecurity-Skills/implementing-mobile-application-management

实施移动应用管理（MAM）策略，通过数据防泄漏、选择性擦除、应用配置与容器化等应用级控制，在受管与非受管移动设备上保护企业数据。适用于在 BYOD 设备上保护企业应用、实施 Intune App Protection Policies，或强制个人应用与工作应用的数据隔离。对涉及 MAM 部署、应用保护策略、移动容器化或 BYOD 安全的请求自动激活。