Anthropic-Cybersecurity-Skills：817个结构化网络安全Skill让AI Agent秒变资深分析师

Anthropic-Cybersecurity-Skills 是目前规模最大的开源 AI Agent 网络安全 Skill 库，收录 817 个结构化网络安全技能，覆盖 29 个安全领域，同时映射到 MITRE ATT&CK、NIST CSF 2.0、MITRE ATLAS、MITRE D3FEND、NIST AI RMF、MITRE F3 六大脑血框架。不同于单点工具，它为 AI Agent 提供”资深安全分析师”的完整技能体系——从内存取证到云安全、从威胁狩猎到反欺诈，一套即可跨平台驱动 Claude Code、GitHub Copilot、Codex CLI、Cursor 等 20+ 主流 AI 编码工具。目前 GitHub 获星 29.7k，近一周日均新增 700+ 星，是 AI + 安全赛道的现象级开源项目。

功能与设计原则

该项目的核心功能是将 817 个网络安全操作步骤结构化为 AI Agent 可直接调用的 Skill。每个 Skill 遵循 agentskills.io 开放标准，包含名称、描述、触发词、框架映射等标准化字段，使 AI Agent 在执行网络安全任务时能像资深分析师一样思考和行动。

设计原则有三条：框架驱动映射——每个 Skill 精确映射到相关框架（取证类→ATT&CK+CSF，AI 安全类→ATLAS+AI RMF），而非眉毛胡子一把抓；合法合规边界——内置明确的使用红线，仅限授权渗透测试、安全研究与防御教育，禁止非法使用；跨平台兼容——一次编写，可部署到 20+ AI 平台，而非绑定某一家的生态。

认可度

截至 2026-08-20，GitHub Star 数约 29,674（日均新增 ~767 颗），Fork 3,523 次。近 7 天持续稳居 GitHub Trending 前列，在 Python 分类下多次登顶。项目已映射至六大行业框架，覆盖面远超同类开源安全 Skill 库。Discord 社区活跃，GitHub Issues 17 个、PR 31 个，开发者贡献度高。

链接

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

原作者

@mukul975（Mukul Jangra）— 独立安全研究员，专注于 AI Agent 安全能力建设与红蓝对抗框架。除此之外，他还参与维护 Hermes Agent 等多个 AI Agent 相关项目。

介绍

Anthropic-Cybersecurity-Skills 起源于一个朴素的问题：AI Agent 在安全分析场景下，往往连最基础的操作都不知道——比如在可疑内存转储上该跑哪个 Volatility3 插件、哪些 Sigma 规则能捕获 Kerberoasting 攻击、如何跨多云厂商梳理一次数据泄露的范围。

这个项目用 817 个结构化 Skill 填补了这一空白。每个 Skill 都是一个最小可执行单元，包含触发词、描述、框架映射和操作步骤说明。例如 analyzing-network-traffic-of-malware 会告诉 Agent：该用哪个工具、该解析哪类流量、该关注哪些 IOCs——而不是丢一句”分析流量”让 Agent 自己猜。

Skill 被组织为 29 个安全域，包括但不限于：内存取证（Memory Forensics）、网络分析（Network Analysis）、云安全（Cloud Security）、红队对抗（Red Teaming）、恶意软件分析（Malware Analysis）、身份认证安全（Identity & Access）、AI/ML 安全（ATLAS 相关）等。29 个域中，每个 Skill 都做了精确的框架映射——ATT&CK 覆盖 805 个、NIST CSF 2.0 覆盖 804 个、D3FEND 139 个、AI RMF 97 个、F3 94 个、ATLAS 93 个。

特点

• 规模最大：817 个 Skill，覆盖 29 个安全领域，是目前最完整的开源 AI Agent 安全技能库
• 六框架映射：每个 Skill 精确映射 ATT&CK / NIST CSF 2.0 / ATLAS / D3FEND / AI RMF / F3，无需二次转换直接用于企业安全分析流程
• 跨平台通用：遵循 agentskills.io 开放标准，支持 Claude Code、Codex CLI、GitHub Copilot、Cursor、Gemini CLI 等 20+ 平台，切换成本极低
• 即装即用：提供 Claude Plugin、VS Code 插件和命令行安装方式，三步内完成接入
• 持续演进：GitHub 活跃，每周有新增 Skill 和框架映射更新，社区贡献路径清晰

使用方法

安装（以 Claude Code 为例）：

方式一：Claude Plugin（推荐）
直接访问项目 .claude-plugin 目录，按说明加载为 Claude Code 插件。

方式二：命令行安装（skills.sh）

npx skills add mukul975/Anthropic-Cybersecurity-Skills

方式三：手动克隆

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

基本调用：
在支持 agentskills.io 标准的 Agent 中，通过 Skill 名称或触发词直接调用，例如：

Use the analyzing-network-traffic-of-malware skill to investigate this pcap file.

Agent 会自动读取对应 SKILL.md 文件，执行其中的操作步骤。

使用场景与人群

适用场景：
– 企业安全运营中心（SOC）自动化：让 AI Agent 自动完成告警分类、取证分析、事件调查报告
– 渗透测试与红队行动：AI 辅助生成 C2 框架使用、漏洞利用建议
– 安全研究：快速检索特定 ATT&CK 技术对应的分析流程
– 合规审计：映射组织安全能力到 NIST CSF 2.0 或 ISO 27001

目标用户：
– 安全工程师与红队成员（想用 AI 提升分析效率）
– SOC 分析师（需要自动化日常告警处理）
– AI Agent 开发者（需要为 Agent 注入专业安全能力）
– 安全研究员（需要标准化 Skill 框架参考）

输入与输出案例

案例一：内存取证
– Input：AI Agent 收到一份可疑内存转储文件，要求分析是否中了挖矿木马
– Output：Agent 自动调用 memory-forensics-of-cryptominer Skill → 识别需用 Volatility3 的 linux_malfind 插件 → 按步骤执行 Dump 分析 → 输出恶意进程列表和 C2 通信地址

案例二：网络流量分析
– Input：一份 .pcap 文件，Agent 被要求检测是否存在横向移动流量
– Output：Agent 调用 analyzing-network-traffic-of-malware Skill → 解析 DNS/HTTP 明文流量 → 识别异常 Beacon 模式 → 匹配到 ATT&CK T1071（应用层协议隧道）并标注威胁指标

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