SKILLEMALL.ai
EN Войти

AC incident-response-network

Сбор и анализ сетевых криминалистических доказательств во время инцидентов безопасности. Руководство по сохранению временных доказательств, обнаружению бокового перемещения с помощью записей потоков и анализа ARP/MAC/CAM таблиц, а также проверке сдерживания в режиме только для чтения на Cisco IOS-XE/NX-OS, Juniper JunOS и Arista EOS. Ограничено только сетевыми артефактами — захватами пакетов, данными потоков (NetFlow/sFlow/IPFIX), таблицами пересылки, состоянием маршрутизации и журналами устройств. Не является общим реагированием на инциденты, криминалистикой конечных точек или анализом вредоносного ПО.

машинный переводПоказать оригиналСкрыть оригинал«Network forensics evidence collection and analysis during security inc…»

Network forensics evidence collection and analysis during security incidents. Guides volatile evidence preservation, lateral movement detection via flow records and ARP/MAC/CAM table analysis, and read-only containment verification across Cisco IOS-XE/NX-OS, Juniper JunOS, and Arista EOS. Scoped to network artifacts only — packet captures, flow data (NetFlow/sFlow/IPFIX), forwarding tables, routing state, and device logs. Not general incident response, endpoint forensics, or malware analysis.

ClawHub Agent Skills автор: Vahagn Madatyan v1.0.0 MIT-0 4 файла тело ≈ 4 806 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Сбор и анализ сетевых криминалистических доказательств во время инцидентов безопасности.

Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
90
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Результат и критерий готовности вес 14
0
Когда включается вес 12
20
Инструменты и файлы вес 18
60
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 10

    ✓ Критических и высоких находок нет

    Средние и низкие: 10
    • низкая Рискованное назначение intent-offensive-security references/forensics-workflow.md:35
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      protocol analysis, malware payload extraction, credential harvesting evidence
    • низкая Рискованное назначение intent-offensive-security references/forensics-workflow.md:47
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (определение детектора / чёрного списка)
      - **Forensic value:** High — reveals communication patterns, lateral movement
      детектор
    • низкая Рискованное назначение intent-offensive-security references/forensics-workflow.md:53
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      - **Best for:** Lateral movement mapping, communication pattern analysis,
    • низкая Рискованное назначение intent-offensive-security references/forensics-workflow.md:202
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      - Phase (reconnaissance, initial access, lateral movement, objective,
    • низкая Рискованное назначение intent-offensive-security skill-card.md:2
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      Network forensics evidence collection and analysis during security incidents, including volatile evidence preservation, lateral movement detection from flow and ARP/MAC/CAM data, and containment verif
    • низкая Рискованное назначение intent-offensive-security SKILL.md:5
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      Guides volatile evidence preservation, lateral movement detection via flow
    • низкая Рискованное назначение intent-offensive-security SKILL.md:10
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      Not general incident response, endpoint forensics, or malware analysis.
    • низкая Рискованное назначение intent-offensive-security SKILL.md:25
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      800-61), endpoint forensics, malware analysis, or organizational
    • низкая Рискованное назначение intent-offensive-security SKILL.md:29
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (определение детектора / чёрного списка)
      evidence: preserve volatile data → triage scope → detect lateral movement →
      детектор
    • низкая Рискованное назначение intent-offensive-security SKILL.md:45
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      - **Lateral movement investigation** — tracing attacker movement between

    Просканировано файлов: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 62/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 70Стоимость исполнения. Тело инструкции 4806 токенов
    • 85Шаги. Шагов: 55, расплывчатых формулировок: 1
    • 100Ошибки и развилки. Развилок: 3, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Ответ описан самодельной разметкой (10 тегов): типизированный вызов надёжнее

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +2Инструкции на одном языке
    • +3Длина description 497 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 22 заголовков
    • +3Пошаговые инструкции: 55 пунктов
    • +4Есть примеры (2 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: suspicious
    This is a legitimate network forensics guide, but it is labeled read-only while telling users to run packet captures and save sensitive evidence files on live network devices.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.