Skip to content
KitploitKITPLOIT
工具博客
提交
工具博客
提交

黑客、渗透测试和网络安全工具，武装您的安全武器库！

Kitploit 是一个黑客、网络安全和渗透测试工具的目录。发现最新的项目更新，查找漏洞、分析系统、自动化测试并加强你的安全。

··订阅源·联系·隐私·© 2026 Kitploit

工具目录

分类

查看所有分类
Loading categories
Anthropic-Cybersecurity-Skills — 面向AI代理的817项结构化网络安全技能 · 映射至6个框架：MITRE ATT&CK、NIST CSF 2.0、MITRE ATLAS、D3FEND、NIST AI RMF和MITRE F3（反欺诈） · agentskills.io标准 · 适用于Claude Code、GitHub Copilot、Codex CLI、Cursor、Gemini CLI和20多个平台 · 29个安全领域 · Apache 2.0 | Kitploit
工具/GitHubGitHub/mukul975
/
anthropic-cybersecurity-skills
OSINT (开源情报)Web安全恶意软件分析数字取证渗透测试云安全威胁情报学习与教育红队事件响应精选资源AI 安全
GitHubmukul975/anthropic-cybersecurity-skills

Anthropic-Cybersecurity-Skills

面向AI代理的817项结构化网络安全技能 · 映射至6个框架：MITRE ATT&CK、NIST CSF 2.0、MITRE ATLAS、D3FEND、NIST AI RMF和MITRE F3（反欺诈） · agentskills.io标准 · 适用于Claude Code、GitHub Copilot、Codex CLI、Cursor、Gemini CLI和20多个平台 · 29个安全领域 · Apache 2.0

查看仓库网站
27.6k3.3k11天前Kitploit 审核通过

最受欢迎

查看全部 →

发现我们社区最常用的工具。

探索所有工具

浏览我们的工具集合

查看所有工具 →
分享

Anthropic 网络安全技能

Anthropic 网络安全技能

面向 AI 代理的最大开源网络安全技能库

GARS-2026 Survey License Skills Frameworks MITRE F3 Domains Platforms

GitHub stars
GitHub forks
Last Commit
agentskills.io
PRs Welcome
Playground
Hermes Agent

817 个生产级网络安全技能 · 29 个安全领域 · 6 个框架映射 · 26+ 个 AI 平台

快速开始 · 内容简介 · 框架 · 平台 · 参与贡献

⚠️ 社区项目 — 这是一个独立的、由社区创建的项目。与 Anthropic PBC 无关。

🔐 仅限授权与合法使用。 本库包含进攻性与双重用途技术（例如红队 C2、钓鱼模拟、漏洞利用），这些技术面向授权的渗透测试、安全研究、防御与教育。请仅对您拥有或具有明确书面许可进行测试的系统使用这些技术，并遵守所有适用法律与交战规则。您需对如何使用这些技能自行承担责任。参见 SECURITY.md 和 CODE_OF_CONDUCT.md。

让任何 AI 代理拥有高级分析师的安全技能

初级分析师知道在可疑内存转储上运行哪个 Volatility3 插件、哪些 Sigma 规则能捕获 Kerberoasting，以及如何在三个云服务商之间界定云泄露范围。你的 AI 代理不知道——除非你为它提供这些技能。

本仓库包含 817 个结构化网络安全技能，涵盖 29 个安全领域，每个技能都遵循 agentskills.io 开放标准。每个技能都映射到六个行业框架——MITRE ATT&CK、NIST CSF 2.0、MITRE ATLAS、MITRE D3FEND、NIST AI RMF 和 MITRE Fight Fraud Framework (F3)——这是唯一一个具有统一跨框架覆盖的开源技能库。克隆它，将你的代理指向它，你的下一次安全调查将在数秒内获得专家级指导。

六大框架，一个技能库

没有其他开源技能库会将每个技能映射到所有这些框架。一个技能，六个合规勾选项。

框架版本本仓库中的范围映射内容
MITRE ATT&CKv19.115 个战术 · 286 个技术对手行为与 TTPs
NIST CSF 2.02.06 个功能 · 22 个类别组织安全态势
MITRE ATLASv5.416 个战术 · 84 个技术AI/ML 对抗性威胁
MITRE D3FENDv1.37 个类别 · 267 个技术防御性对策
NIST AI RMF1.04 个功能 · 72 个子类别AI 风险管理
MITRE F3 (Fight Fraud Framework)v1.1 (2026-04-09)8 个战术 · 123 个技术 · 94 个欺诈相关技能网络赋能的金融欺诈 TTPs

示例——单个技能映射到全部六个框架：

技能ATT&CKNIST CSFATLASD3FENDAI RMFF3
analyzing-network-traffic-of-malwareT1071DE.CMAML.T0047D3-NTAMEASURE-2.6—
detecting-business-email-compromiseT1566DE.AE———F1005.006 · 变现

🆕 MITRE Fight Fraud Framework (F3) — 94 个欺诈相关技能

MITRE F3

MITRE Fight Fraud Framework (F3) 由 MITRE 的威胁知情防御中心（CTID）于 2026 年 4 月 9 日发布，并与摩根大通、花旗集团、劳埃德银行集团、渣打银行、CrowdStrike、Verizon Business、FS-ISAC 等共同开发。它是一个与 ATT&CK 兼容的 TTP 目录，面向网络赋能的金融欺诈——填补了 ATT&CK 在初始入侵之后留下的空白。

F3 v1.1 新增了 ATT&CK 未列出的两个欺诈专用战术：

  • Positioning (FA0001) — 取得访问权限后为收集/操纵数据并准备欺诈而采取的行动（合成身份播种、账户预热、受益人设置、SIM 换卡预定位、银行会话劫持）。
  • Monetization (FA0002) — 将被盗资产转换为可用资金（钱骡分层、APP 欺诈、加密货币出金、卡片兑现、退款/拒付滥用）。

欺诈专用技术使用 F1XXX ID（例如 F1005.003 添加受益人、F1025.003 电汇、F1007 浏览器内对手）；复用的 ATT&CK 技术保留其 T1XXX ID。映射位于每个技能的 mitre_f3: frontmatter 块中——全部 123 个 F3 v1.1 技术 ID 均已针对上游 STIX 捆绑包验证。参见 docs/mitre-f3-mapping.md 了解该结构。

MITRE ATT&CK v19.1 — 754/754 个技能已映射

每个技能都包含一个 mitre_attack frontmatter 列表，该列表使用官方 mitreattack-python 库针对 MITRE ATT&CK v19.1（最新版本）进行了验证——涵盖所有 15 个企业战术的 286 个不同技术，并在相关处包含 ICS 和移动技术。零个已撤销或已弃用的 ID。v19.1 重构的 Defense Evasion（现拆分为 Stealth 和 Defense Impairment）已反映在下方。

战术ID技能数
ReconnaissanceTA0043103
Resource DevelopmentTA004222
Initial AccessTA0001467
ExecutionTA0002350
PersistenceTA0003444
Privilege EscalationTA0004464
StealthTA0005442
Defense ImpairmentTA011292
Credential AccessTA0006202
DiscoveryTA0007237
Lateral MovementTA000868
CollectionTA0009172
Command and ControlTA0011123
ExfiltrationTA001082
ImpactTA004050

快速开始```bash

Option 1: npx (recommended)

npx skills add mukul975/Anthropic-Cybersecurity-Skills

Option 2: Git clone

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

root@kitploit:~
可立即与 Claude Code、GitHub Copilot、OpenAI Codex CLI、Cursor、Gemini CLI 以及任何与 [agentskills.io](https://agentskills.io) 兼容的平台配合使用。 

## 🌍 GARS-2026 — 全球 Agentic AI 就绪度调查

我正在开展一项全球学术研究，衡量安全专业人员、
开发人员和企业团队对代理式 AI 的实际准备程度——MCP 服务器、
工具调用、治理以及人机协同工作流。

**如果你使用这个仓库，你的回答将是一个极具价值的数据点。**

📋 **参与调查（10 分钟）：**
[调查链接](https://mahipal.engineer/survey?utm_source=github_repo&utm_medium=readme&utm_campaign=gars2026)

- 60 个问题 · 匿名 · 由 SRH Berlin 监督
- 你将获得 **50 个 Casky Tokens**，用于抢先体验 [casky.ai](https://casky.ai)
- 结果以 CC-BY 4.0 许可开放获取发布

## 🚀 在 Playground 中试用

亲身体验 Casky.ai——无需任何设置。

**[→ 在 Casky.ai 上启动 Playground](https://casky.ai/?utm_source=github&utm_medium=readme&utm_campaign=cohort_launch#waitlist)**

Playground 允许你：
- 针对真实目标运行实时网络安全技能练习
- 实时查看 AI 代理执行结构化技能
- 交互式探索映射到 MITRE ATT&CK 的工作流
- 测试威胁狩猎、DFIR 和渗透测试场景

无需安装。无需配置。直接打开并开始使用。
## 为什么存在这个项目

2024 年，全球网络安全人才缺口达到 **480 万个未填补职位**（ISC2）。AI 代理可以帮助缩小这一差距——但前提是它们拥有可依据的领域结构化知识。如今的代理可以编写代码和搜索网络，但它们缺乏能将通用 LLM 转变为合格安全分析师的实践者手册。

现有的安全工具仓库为你提供字典、负载或漏洞利用代码。但没有任何一个能赋予 AI 代理高级分析师所遵循的结构化决策工作流：何时使用每种技术、需要检查哪些前提条件、如何逐步执行以及如何验证结果。这正是本项目填补的空白。

**Anthropic Cybersecurity Skills** 不是脚本或检查清单的集合。它是一个为 agentskills.io 标准从零构建的 **AI 原生知识库**  ——YAML frontmatter 用于亚秒级发现，结构化 Markdown 用于逐步执行，参考文件用于深层技术上下文。  每项技能都编码了真实的实践者工作流，而非生成的摘要。 

## What's inside — 29 security domains

| 领域 | 技能数 | 关键能力 |
|---|---|---|
| 云安全 | 66 | AWS、Azure、GCP 加固 · CSPM · 云攻击模拟 · 云取证 |
| 威胁狩猎 | 58 | 假设驱动狩猎 · LOTL 检测 · EVTX 狩猎 · 端点群狩猎 |
| 威胁情报 | 52 | STIX/TAXII · MISP · OpenCTI · 情报源集成 · 威胁行为者画像 |
| 网络安全 | 43 | IDS/IPS · 防火墙规则 · VLAN 分段 · 流量分析 |
| Web 应用安全 | 42 | OWASP Top 10 · SQLi · XSS · SSRF · 反序列化 |
| 数字取证 | 41 | 磁盘镜像 · 内存取证 · Hayabusa/KAPE/Plaso 时间线 |
| 恶意软件分析 | 39 | 静态/动态分析 · 逆向工程 · 沙箱分析 |
| 身份与访问管理 | 37 | Entra ID/ROADtools · 设备代码钓鱼 · PAM · 零信任身份 |
| SOC 运营 | 35 | 行动手册 · 升级工作流 · Graph 日志检测 · 桌面推演 |
| 红队行动 | 33 | ADCS/Certipy · BloodHound CE · Sliver/Havoc C2 · NTLM 中继 |
| 容器安全 | 33 | K8s RBAC · 镜像扫描 · Falco · 容器逃逸 |
| 安全运营 | 28 | SIEM 关联 · 日志分析 · 告警分流 |
| OT/ICS 安全 | 28 | Modbus · DNP3 · IEC 62443 · 历史数据库防护 · SCADA |
| API 安全 | 28 | GraphQL · REST · OWASP API Top 10 · WAF 绕过 |
| 事件响应 | 26 | 入侵遏制 · 勒索软件响应 · IR 行动手册 |
| 漏洞管理 | 25 | Nessus · 扫描工作流 · 补丁优先级排序 · CVSS |
| 渗透测试 | 21 | 网络 · Web · 云 · 移动端 · NetExec 横向移动 |
| DevSecOps | 18 | CI/CD 安全 · Trivy IaC/镜像扫描 · 代码签名 |
| 零信任架构 | 17 | BeyondCorp · CISA 成熟度模型 · 微隔离 |
| 终端安全 | 17 | EDR · LOTL 检测 · 无文件恶意软件 · 持久化狩猎 |
| 密码学 | 16 | TLS · Ed25519 · 后量子迁移 · 密钥管理 |
| 钓鱼防御 | 15 | 电子邮件认证 · BEC 检测 · 钓鱼事件响应 |
| AI 安全 | 14 | LLM 红队测试（garak/PyRIT）· 提示注入 · MCP/代理安全 · 护栏 |
| 移动安全 | 13 | Android/iOS 分析 · 移动渗透测试 · MDM 取证 |
| 勒索软件防御 | 13 | 前兆检测 · 响应 · 恢复 · 加密分析 |
| 合规与治理 | 9 | NIST 800-30/RMF · CMMC · HIPAA · TPRM · CIS 基准 |
| 供应链安全 | 8 | SBOM · 依赖混淆 · 恶意包分类 · SLSA/Sigstore |
| 欺骗技术 | 6 | 蜜令牌 · canarytoken · 入侵检测 |
| 硬件与固件安全 | 4 | CHIPSEC/UEFI 审计 · Secure Boot 绕过 · TPM 证明 · 启动工具包狩猎 |

## AI 代理如何使用这些技能

每项技能**扫描耗约 30 个 token**（仅 frontmatter）  和 **完整加载耗 500–2,000 个 token**（完整工作流）。这种渐进式披露架构让代理能一次遍历搜索全部 817 项技能，而不会撑爆上下文窗口。```
User prompt: "Analyze this memory dump for signs of credential theft"

Agent's internal process:

  1. Scans 817 skill frontmatters (~30 tokens each)
     → identifies 12 relevant skills by matching tags, description, domain

  2. Loads top 3 matches:
     • performing-memory-forensics-with-volatility3
     • hunting-for-credential-dumping-lsass
     • analyzing-windows-event-logs-for-credential-access

  3. Executes the structured Workflow section step-by-step
     → runs Volatility3 plugins, checks LSASS access patterns,
        correlates with event log evidence

  4. Validates results using the Verification section
     → confirms IOCs, maps findings to ATT&CK T1003 (Credential Dumping)

没有这些技能，代理只能猜测工具命令并错过关键步骤。有了它们，它会遵循资深 DFIR 分析师使用的同一套行动手册。

技能结构

每个技能都遵循一致的目录结构：``` skills/performing-memory-forensics-with-volatility3/ ├── SKILL.md ← Skill definition (YAML frontmatter + Markdown body) ├── references/ │ ├── standards.md ← MITRE ATT&CK, ATLAS, D3FEND, NIST mappings │ └── workflows.md ← Deep technical procedure reference ├── scripts/ │ └── process.py ← Working helper scripts └── assets/ └── template.md ← Filled-in checklists and report templates

root@kitploit:~
### YAML frontmatter (真实示例)```yaml
---
name: performing-memory-forensics-with-volatility3
description: >-
  Analyze memory dumps to extract running processes, network connections,
  injected code, and malware artifacts using the Volatility3 framework.
domain: cybersecurity
subdomain: digital-forensics
tags: [forensics, memory-analysis, volatility3, incident-response, dfir]
atlas_techniques: [AML.T0047]
d3fend_techniques: [D3-MA, D3-PSMD]
nist_ai_rmf: [MEASURE-2.6]
nist_csf: [DE.CM-01, RS.AN-03]
version: "1.2"
author: mukul975
license: Apache-2.0
---

Markdown 正文部分```markdown

When to Use

Trigger conditions — when should an AI agent activate this skill?

Prerequisites

Required tools, access levels, and environment setup.

Workflow

Step-by-step execution guide with specific commands and decision points.

Verification

How to confirm the skill was executed successfully.

root@kitploit:~
Frontmatter 字段：`name`（kebab-case，1–64 个字符）、`description`（为智能体发现提供关键词丰富的描述）、`domain`、`subdomain`、`tags`、  `atlas_techniques`（MITRE ATLAS ID）、`d3fend_techniques`（MITRE D3FEND ID）、`nist_ai_rmf`（NIST AI RMF 引用）、`nist_csf`（NIST CSF 2.0 类别）。  MITRE ATT&CK 技术映射记录在每个技能的 `references/standards.md` 文件以及随版本发布的 ATT&CK Navigator 层中。 

<details>
<summary><strong>📊 MITRE ATT&CK Enterprise 覆盖 — 全部 14 种战术</strong></summary>

&nbsp;

| 战术 | ID | 覆盖度 | 关键技能 |
|---|---|---|---|
| 侦察 | TA0043 | 强 | OSINT、子域名枚举、DNS 侦察 |
| 资源开发 | TA0042 | 中等 | 钓鱼基础设施、C2 搭建检测 |
| 初始访问 | TA0001 | 强 | 钓鱼模拟、漏洞利用检测、强制浏览 |
| 执行 | TA0002 | 强 | PowerShell 分析、无文件恶意软件、脚本块日志记录 |
| 持久化 | TA0003 | 强 | 计划任务、注册表、服务账户、LOTL |
| 权限提升 | TA0004 | 强 | Kerberoasting、AD 攻击、云权限提升 |
| 防御规避 | TA0005 | 强 | 混淆、Rootkit 分析、规避检测 |
| 凭据访问 | TA0006 | 强 | Mimikatz 检测、哈希传递、凭据转储 |
| 发现 | TA0007 | 中等 | BloodHound、AD 枚举、网络扫描 |
| 横向移动 | TA0008 | 强 | SMB 漏洞利用、使用 Splunk 检测横向移动 |
| 收集 | TA0009 | 中等 | 电子邮件取证、数据暂存检测 |
| 命令与控制 | TA0011 | 强 | C2 信标、DNS 隧道、Cobalt Strike 分析 |
| 数据外泄 | TA0010 | 强 | DNS 外泄、DLP 控制、数据丢失检测 |
| 影响 | TA0040 | 强 | 勒索软件防御、加密分析、恢复 |

**ATT&CK Navigator 层文件**已包含在 [v1.0.0 发布资产](https://github.com/mukul975/Anthropic-Cybersecurity-Skills/releases/tag/v1.0.0) 中，用于可视化覆盖映射。 

> **注意：** ATT&CK v19 将于 2026 年 4 月 28 日发布——将防御规避（TA0005）拆分为两个新战术：*隐蔽* 和 *削弱防御*。技能映射将在后续版本中更新。

</details>

<details>
<summary><strong>📊 NIST CSF 2.0 对齐 — 全部 6 项功能</strong></summary>

&nbsp;

| 功能 | 技能 | 示例 |
|---|---|---|
| **治理 (GV)** | 30+ | 风险策略、政策框架、角色与职责 |
| **识别 (ID)** | 120+ | 资产发现、威胁态势评估、风险分析 |
| **保护 (PR)** | 150+ | IAM 加固、WAF 规则、零信任、加密 |
| **检测 (DE)** | 200+ | 威胁狩猎、SIEM 关联分析、异常检测 |
| **响应 (RS)** | 160+ | 事件响应、取证、入侵遏制 |
| **恢复 (RC)** | 40+ | 勒索软件恢复、BCP、灾难恢复 |

NIST CSF 2.0（2024 年 2 月）新增了 **Govern（治理）** 功能，  并将适用范围从关键基础设施扩展到所有组织。  技能映射对齐全部 22 个类别，并引用 106 个子类别。 

</details>

<details>
<summary><strong>📊 框架深度解读 — ATLAS、D3FEND、AI RMF</strong></summary>

&nbsp;

### MITRE ATLAS v5.4 — AI/ML 对抗性威胁
ATLAS 映射了针对 AI 和机器学习系统的对抗性战术、技术及案例研究。5.4 版涵盖 **16 种战术和 84 种技术**，包括 2025 年底新增的 agentic AI 攻击向量：AI 智能体上下文投毒、工具调用滥用、MCP 服务器入侵以及恶意智能体部署。  映射到 ATLAS 的技能可帮助智能体识别并防御针对 ML 流水线、模型权重、推理 API 和自主工作流的威胁。 

### MITRE D3FEND v1.3 — 防御性对策
D3FEND 是由 NSA 资助的知识图谱，包含 **267 种防御技术**，跨 7 个战术类别组织：建模（Model）、加固（Harden）、检测（Detect）、隔离（Isolate）、诱骗（Deceive）、驱逐（Evict）、恢复（Restore）。  基于 OWL 2 本体构建，它利用共享的数字工件层将防御性对策与 ATT&CK 攻击技术进行双向映射。  带有 D3FEND 标识符的技能可让智能体针对检测到的威胁推荐具体对策。

### NIST AI RMF 1.0 + GenAI 配置文件 (AI 600-1)
AI 风险管理框架定义了 4 项核心功能——治理（Govern）、映射（Map）、衡量（Measure）、管理（Manage）——包含 **72 个子类别**，用于可信 AI 开发。  GenAI 配置文件（AI 600-1，2024 年 7 月）新增了 **12 个风险类别**，专门针对生成式 AI，从虚构、数据隐私到提示注入和供应链风险。  科罗拉多州《AI 法案》（2026 年 2 月生效）为符合 NIST AI RMF 的组织提供了**法律安全港**，使这些映射与监管合规直接相关。

</details>

## 兼容平台

**AI 代码助手**
Claude Code (Anthropic) · GitHub Copilot (Microsoft) · Cursor · Windsurf · Cline · Aider · Continue · Roo Code · Amazon Q Developer · Tabnine · Sourcegraph Cody · JetBrains AI 

**CLI 智能体**
OpenAI Codex CLI · Gemini CLI (Google) 

**自主智能体**
Devin · Replit Agent · SWE-agent · OpenHands 

**智能体框架与 SDK**
LangChain · CrewAI · AutoGen · Semantic Kernel · Haystack · Vercel AI SDK · 任意兼容 MCP 的智能体 

所有支持 [agentskills.io](https://agentskills.io) 标准的平台都可以零配置加载这些技能。 

## 用户评价

> *"一个真实、有条理的网络安全技能数据库，任何 AI 智能体都可以即插即用。不是教程。不是博客文章。"* 
> — **[Hasan Toor (@hasantoxr)](https://x.com/hasantoxr/status/2033193922349179249)**，AI/科技创作者

> *"这不是安全脚本的随意集合。这是一个为 AI 驱动的安全工作流设计的结构化运营知识库。"* 
> — **[fazal-sec](https://fazal-sec.medium.com/claude-skills-ai-powered-cybersecurity-the-complete-guide-to-building-intelligent-security-7bb7e9d14c8e)**，  Medium

## 收录于

| 收录位置 | 类型 | 链接 |
|---|---|---|
| **awesome-agent-skills** | Awesome List（1,000+ 技能索引） | [VoltAgent/awesome-agent-skills](https://github.com/VoltAgent/awesome-agent-skills) |
| **awesome-ai-security** | Awesome List（AI 安全工具） | [ottosulin/awesome-ai-security](https://github.com/ottosulin/awesome-ai-security) |
| **awesome-codex-cli** | Awesome List（Codex CLI 资源） | [RoggeOhta/awesome-codex-cli](https://github.com/RoggeOhta/awesome-codex-cli) |
| **SkillsLLM** | 技能目录与市场 | [skillsllm.com/skill/anthropic-cybersecurity-skills](https://skillsllm.com/skill/anthropic-cybersecurity-skills) |
| **Openflows** | 信号分析与跟踪 | [openflows.org](https://openflows.org/currency/currents/anthropic-cybersecurity-skills/) |
| **NeverSight skills_feed** | 自动化技能索引 | [NeverSight/skills_feed](https://github.com/NeverSight/skills_feed) |

## Star 历史

<a href="https://star-history.com/#mukul975/Anthropic-Cybersecurity-Skills&Date">
 <picture>
   <source media="(prefers-color-scheme: dark)" srcset="https://api.star-history.com/svg?repos=mukul975/Anthropic-Cybersecurity-Skills&type=Date&theme=dark" />
   <source media="(prefers-color-scheme: light)" srcset="https://api.star-history.com/svg?repos=mukul975/Anthropic-Cybersecurity-Skills&type=Date" />
   <img alt="Star History Chart" src="https://api.star-history.com/svg?repos=mukul975/Anthropic-Cybersecurity-Skills&amp;type=Date" width="100%" />
 </picture>
</a>

## 版本发布

| 版本 | 日期 | 亮点 |
|---|---|---|
| [v1.0.0](https://github.com/mukul975/Anthropic-Cybersecurity-Skills/releases/tag/v1.0.0) | 2026 年 3 月 11 日 | 734 个技能 · 26 个领域 · MITRE ATT&CK + NIST CSF 2.0 映射 · ATT&CK Navigator 层 |

自 v1.0.0 以来，技能在 `main` 分支上持续增长——该库现在包含 **817 个技能**，具有 **6 框架映射**  （MITRE ATLAS、D3FEND、NIST AI RMF，以及发布后新增的 MITRE Fight Fraud 框架）。  请查看 [Releases](https://github.com/mukul975/Anthropic-Cybersecurity-Skills/releases) 获取最新的标记版本。

## 参与贡献

该项目依靠社区贡献不断成长。以下是如何参与：

**添加新技能** — 欺骗技术（2 个技能）和合规与治理（5 个技能）等领域最需要帮助。请按照 [CONTRIBUTING.md](https://github.com/mukul975/anthropic-cybersecurity-skills/blob/HEAD/CONTRIBUTING.md) 中的模板操作，并提交标题为 `Add skill: your-skill-name` 的 PR。

**改进现有技能** — 添加框架映射、修复工作流、更新工具引用，或贡献脚本和模板。

**报告问题** — 发现不准确的流程或损坏的脚本？[提交 issue](https://github.com/mukul975/Anthropic-Cybersecurity-Skills/issues)。

每个 PR 都会在 48 小时内接受技术准确性和 agentskills.io 标准合规性审查。  查看 [good first issues](https://github.com/mukul975/Anthropic-Cybersecurity-Skills/issues?q=is%3Aissue+is%3Aopen+label%3A%22good+first+issue%22) 作为入门起点。

本项目遵循 [Contributor Covenant](https://www.contributor-covenant.org/)。参与即表示您同意遵守该行为准则。 

## 社区

💬 [Discussions](https://github.com/mukul975/Anthropic-Cybersecurity-Skills/discussions) — 问题、想法和路线图讨论
🐛 [Issues](https://github.com/mukul975/Anthropic-Cybersecurity-Skills/issues) — Bug 报告和功能请求
🔒 [Security Policy](https://github.com/mukul975/anthropic-cybersecurity-skills/blob/HEAD/SECURITY.md) — 负责任披露流程（48 小时内确认） 

## 引用

如果您在研究中或在出版物中使用本项目：```bibtex
@software{anthropic_cybersecurity_skills,
  author       = {Jangra, Mahipal},
  title        = {Anthropic Cybersecurity Skills},
  year         = {2026},
  url          = {https://github.com/mukul975/Anthropic-Cybersecurity-Skills},
  license      = {Apache-2.0},
  note         = {817 structured cybersecurity skills for AI agents,
                  mapped to MITRE ATT\&CK, NIST CSF 2.0, MITRE ATLAS,
                  MITRE D3FEND, and NIST AI RMF}
}

许可证

本项目依据 Apache License 2.0 许可证授权。你可以在个人和商业项目中自由使用、修改和分发这些技能。

如果这个项目对你的安全工作有帮助，不妨为它点个 ⭐

⭐ Star · 🍴 Fork · 💬 讨论 · 📝 贡献

由 @mukul975 发起的社区项目。与 Anthropic PBC 无关。

下载工具