“Malware Detection” 共 140 个结果
io.github.FerroxLabs/wayland/mobile-security-engineer
移动应用安全，涵盖证书绑定实现、安全的本地存储模式、越狱与 root 检测、代码混淆与防篡改、面向移动客户端的 API 安全、生物识别认证、安全密钥管理、网络安全、逆向工程防御，以及 OWASP MASVS 合规。当用户询问 mobile security engineer、mobile security engineer 最佳实践，或需要 mobile security engineer 实施指导时使用。当用户需要其他专项技能或涉及无关技术领域时请勿使用。
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/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-cloud-native-forensics-with-falco
使用 Falco YAML 规则在容器与 Kubernetes 中做运行时威胁检测，通过系统调用监控 shell 拉起、文件篡改、网络异常与提权。通过 Falco gRPC API 管理规则并解析 Falco 告警输出。适用于建设容器运行时安全或调查 k8s 集群入侵。
io.github.mukul975/Anthropic-Cybersecurity-Skills/deploying-edr-agent-with-crowdstrike
在企业终端上部署并配置 CrowdStrike Falcon EDR 代理，实现实时威胁检测、行为分析与自动化响应。适用于将终端纳入 EDR 覆盖、配置检测策略，或将 Falcon 遥测集成到 SIEM 平台。涉及 CrowdStrike 部署、Falcon 传感器安装、EDR 策略配置或端点检测与响应时启用。
io.github.mukul975/Anthropic-Cybersecurity-Skills/deploying-active-directory-honeytokens
在 Active Directory 中部署基于欺骗的蜜标（honeytokens），包括 AdminCount=1 的虚假特权账户、用于 Kerberoasting 检测的虚假 SPN（蜜罐烤）、带 cpassword 陷阱的诱饵 GPO，以及虚假 BloodHound 路径。监控 Windows 安全事件 ID 4769、4625、4662、5136 以发现蜜标交互。适用于实施 AD 欺骗防御以检测横向移动、凭据窃取与侦察。
io.github.a5c-ai/babysitter/mcp-host-styling-integration
将 MCP App UI 与宿主主题系统集成。应用宿主 CSS 变量、处理 onhostcontextchanged、安全区 inset、显示模式检测与全屏配置
io.github.a5c-ai/babysitter/mcp-app-verification
MCP Apps 的全面验证清单。使用 basic-host 参考实现测试，验证 handler 先于 connect、文本回退、resource URI 关联、单文件打包、宿主样式、CSP 与遗留模式检测
io.github.PurpleAILAB/Decepticon/android
Android APK 渗透测试流程——apktool/jadx 静态分析、Frida 动态插桩、SSL pinning 绕过、root 检测绕过、intent 模糊测试、keystore 提取。
io.github.briiirussell/cybersecurity-skills/mobile-audit
依据 OWASP MASVS / MASTG 审计 iOS 与 Android 移动应用——不安全存储、弱加密、证书锁定、Deeplink、IPC、越狱/Root 检测、防逆向等。当用户提到移动安全、iOS/Android 安全、移动审计、移动渗透、MASVS、MASTG、证书锁定、越狱/Root 检测、Deeplink、URL Scheme、App Transport Security、钥匙串、keystore、移动逆向，或需要评审移动应用时使用。
io.github.kubeshark/kubeshark/security-audit
由 Kubeshark MCP 驱动的 Kubernetes 网络安全审计技能。当用户想审计集群安全威胁、检测失陷工作负载、发现恶意流量模式、搜寻失陷指标（IOC）、检查数据外泄、识别 C2（命令与控制）通信、检测挖矿、发现横向移动、察觉凭据窃取尝试、评估网络安全态势或在 Kubernetes 中做威胁狩猎时使用。当用户提到 security audit、威胁检测、失陷评估、漏洞扫描、“我的集群是否失陷”、“找恶意流量”、“检查威胁”、DNS 外泄、DNS 隧道、端口扫描、IMDS 访问、反弹 shell、矿机、MITRE ATT&CK、IOC 检测、异常检测、可疑流量、失控工作负载、未授权访问，或任何通过网络流量分析评估集群安全的请求时也触发。
io.github.github/awesome-copilot/sql-server-table-reconciliation
适用场景：跨实例比对 SQL Server 表、数据迁移校验、ETL 验证、行不一致检测、schema 漂移、对账报告、生产与预发环境对比。使用 mssql-python 驱动配合 Apache Arrow 实现快速列式数据传输与比对。
io.github.docling-project/docling/dignified-python
带自动版本检测（3.10-3.13）的、有主张的生产级 Python 规范。当你想为追求现代类型语法、务实的条件检查、pathlib 操作、接口引导以及贴近生产模式的仓库编写、评审或重构 Python 时使用。
io.github.QwenLM/qwen-code/codegraph
通过图数据库（neug）与向量索引（zvec）分析已建立索引的代码库。覆盖调用图、依赖关系、死代码、热点、模块耦合、架构报告、语义检索、影响分析、从 GitHub issue 出发的缺陷根因定位、类图（UML）以及 PR 审查（风险评分、冲突检测、可自动合并候选、打标签）。同时涵盖创建、检查与修复 CodeScope 索引。用于：代码结构、谁调用了谁、某处为何改动、相似函数、模块边界、缺陷追踪、类间关系、PR 风险与冲突，或任何适合借助代码知识图谱回答的问题。当工作区存在 .codegraph 索引，或用户希望创建一个时适用。
io.github.ruvnet/RuView/ruview-advanced-sensing
RuView 高级能力——RuvSense 多站感知（注意力加权融合、几何多样性、持久场模型）、跨视角多节点融合、射层析成像（ISTA L1 求解器、体素网格）、纵向生物力学漂移、动作前意图信号、对抗性信号检测与多站 mesh 安全加固。用于研究级或多节点部署。
io.github.nixopus/nixopus/deploy-flow
完整部署流水线——源检测、提示驱动的分析、项目创建、部署监控与在线 URL 交付。当用户想要部署应用时加载
io.github.nixopus/nixopus/shell-deploy
部署 Shell 脚本应用——解释器检测、setup 脚本与 Dockerfile 模式。在部署 Shell 脚本项目或检测到 start.sh 时使用
io.github.nixopus/nixopus/python-deploy
构建并部署 Python 应用——uv、poetry、pdm、pipenv、pip、框架检测与 Dockerfile 模式。在部署 Python 项目时，或检测到 requirements.txt、pyproject.toml、Pipfile 时使用
io.github.SnailSploit/Claude-Red/offensive-mobile
移动（Android + iOS）应用渗透测试方法论。涵盖静态分析（Android 用 apktool/jadx，iOS 用 class-dump/Hopper/IDA）、Frida 与 Objection 动态插桩、SSL pinning 绕过策略、root/越狱检测绕过、deep-link / URL scheme 滥用、导出组件攻击（Android 的 activity、service、provider、receiver；iOS 的 XPC、URL scheme、universal link）、不安全数据存储（SharedPrefs、KeyStore 误用、NSUserDefaults、Keychain ACL 绕过）、IPC / Intent 重定向、WebView 漏洞（JavaScriptInterface、file:// 访问）、Firebase/AWS/Azure 配置错误泄露、移动端 API 测试、生物识别/Face ID/Touch ID 绕过、应用克隆与运行时打补丁，以及移动恶意软件/RAT 分析基础能力。用于移动端渗透、漏洞赏金移动方向排查或应用商店侦察。
io.github.sickn33/antigravity-awesome-skills/browser-automation
浏览器自动化支撑着 Web 测试、网页抓取与 AI 代理交互。不稳定的脚本与可靠系统之间的差别，在于对选择器、等待策略与反检测模式的理解。
io.github.danielmiessler/LifeOS/Browser
通过 agent-browser 实现无头浏览器自动化——Rust CLI 守护进程，带持久化 auth profile，支持快速、可脚本化、并行的浏览器工作。支持批量命令、网络拦截、设备模拟、按站点 auth profile（一次有头登录，此后始终无头）、通过 --session 并行隔离会话。工作流：ReviewStories（将 YAML 用户故事分发到并行 UIReviewer）、Automate（加载并运行参数化 recipe 模板）、Update。通过 agent-browser 指令委派给通用 agent 做后台并行抓取。若站点有 bot 检测则回退到 Interceptor。适用场景：无头浏览器、批量抓取、快速截图、dev server 测试、并行浏览器、后台自动化、提取数据、审查 stories、自动化 recipe、批量截图、并行抓取多页。不适用于真实 Chrome 的部署验证或 UI 确认（用 Interceptor）。不适用于简单单 URL 抓取（用 WebFetch）。不适用于验证码或 bot 检测绕过（用 BrightData 或
io.github.danielmiessler/Personal_AI_Infrastructure/Browser
通过 agent-browser 实现无头浏览器自动化——Rust CLI 守护进程，带持久化 auth profile，支持快速、可脚本化、并行的浏览器工作。支持批量命令、网络拦截、设备模拟、按站点 auth profile（一次有头登录，此后始终无头）、通过 --session 并行隔离会话。工作流：ReviewStories（将 YAML 用户故事分发到并行 UIReviewer）、Automate（加载并运行参数化 recipe 模板）、Update。通过 agent-browser 指令委派给通用 agent 做后台并行抓取。若站点有 bot 检测则回退到 Interceptor。适用场景：无头浏览器、批量抓取、快速截图、dev server 测试、并行浏览器、后台自动化、提取数据、审查 stories、自动化 recipe、批量截图、并行抓取多页。不适用于真实 Chrome 的部署验证或 UI 确认（用 Interceptor）。不适用于简单单 URL 抓取（用 WebFetch）。不适用于验证码或 bot 检测绕过（用 BrightData 或
io.github.sickn33/antigravity-awesome-skills/frontend-mobile-security-xss-scan
你是专注于跨站脚本（XSS）漏洞检测与防护的前端安全专家。分析 React、Vue、Angular 与原生 JavaScript 代码，识别注入点……（原文不完整）
io.github.markdown-viewer/skills/security
使用 PlantUML 语法与身份、加密、防火墙、合规类 stencil 图标绘制安全架构图。最适合 IAM 流程、零信任模型、加密管道与威胁检测架构。
