SuperAPI AI 工具集
合作ENAI 行业资讯收藏

Skill 广场

找到适合任务的 Agent Skill，阅读介绍并复制安装命令。

更新于 10-29 00:09

安全与审计

7,631 个结果

om-auto-audit-dependencies

本技能是一个面向第三方依赖的安全公告审计工具，适用于任何生态系统的代码仓库。它会自动查找仓库中的每个锁文件，优先使用各生态系统的原生审计工具，没有原生工具时改用 OSV 扫描；随后把锁定的包与已知安全公告比对，筛选出达到严重性阈值的漏洞，为每个受影响的包计算最小的升级路径，并为每个有漏洞的包提交一个跟踪 Issue，同时复用已有的重复 Issue。它对仓库只读，从不修改清单文件或锁文件，也不执行安装、升级或依赖解析命令；升级本身交由 om-auto-fix-issue 完成。运行不会出现静默的“0 个发现”：无法扫描的生态系统会注明原因。

安全与审计0 次安装

security-best-practices

该技能用于针对特定编程语言与框架执行安全最佳实践审查并提出改进建议。它首先识别当前项目所使用的前端和后端语言与框架，然后从技能的 references 目录加载对应的安全文档（文件名格式为 <language>-<framework>-<stack>-security.md，以及框架无关的 <language>-general-<stack>-security.md）作为审查依据。技能支持三种工作模式：一是编写默认安全的代码，适用于新项目或新代码；二是在日常工作中被动检测重大漏洞；三是按用户要求生成带严重性分级与编号的漏洞报告并协助修复。审查范围覆盖前后端，报告以 Markdown 文件形式输出（默认 security_best_practices_report.md），并包含执行摘要、严重性分区、行号引用和关键发现的一句话影响说明。修复时建议逐项处理，避免破坏现有功能。

安全与审计安装量暂无数据

security-ownership-map

Security Ownership Map 是一个用于分析 git 仓库的安全归属工具。它基于 git 历史构建“人—文件”二部图，计算巴士因子（bus factor）与敏感代码归属，并可导出 CSV/JSON 供 Neo4j、Gephi 等可视化。工具还能基于共享提交的 Jaccard 相似度构建文件共变图，把经常一起变更的文件聚类。使用需要 Python 3 和 networkx 库，通过 pip install networkx 安装。它仅做分析输出，不修改代码；具体收费、平台支持等信息暂未提供。

安全与审计安装量暂无数据

security-threat-model

该技能面向仓库级安全威胁建模，强调基于代码仓库证据而非通用清单，输出具有 AppSec 可操作性的威胁模型。它通过提取系统模型、划分信任边界、清点资产与入口点、校准攻击者能力，将威胁枚举为具体滥用路径，并对每个威胁做定性的可能性与影响评估，最终给出排序后的优先级和针对性缓解建议。整个流程要求所有架构判断都有仓库证据支撑，并将假设显式列出。工作流包含八个阶段：范围与系统模型提取、边界与资产与入口推导、资产与攻击者能力校准、滥用路径枚举、显式优先级推理、与用户确认服务上下文与假设、缓解措施与关注路径建议，以及最终的质量检查。最终结果以 Markdown 文件写出，命名基于仓库或目标目录名。它还会明确区分运行时代码与 CI/构建/开发工具及测试示例，避免把非运行时组件误纳入威胁范围。使用前需准备仓库根路径、范围内的子路径、预期用途、部署模式、互联网暴露情况和认证期望等输入。该技能适合需要对具体代码库做安全评审的团队，尤其是有明确部署与暴露面信息的项目。限制方面：它依赖仓库摘要与用户确认，若缺少上下文会以条件形式标注建议；具体支持的平台、是否收费、价格等信息暂未提供。

安全与审计安装量暂无数据

rev-frida

rev-frida 是一个用于生成 Frida 插桩脚本的技能，面向动态分析、函数 Hook 与运行时检查场景。它指导使用现代 Frida API 编写脚本，覆盖原生导出函数 Hook、Java 与 ObjC 方法 Hook、运行时调用追踪、参数与返回值捕获、内存转储以及加载器感知的原生插桩。该技能强调使用 Process.getModuleByName()、mod.getExportByName() 等现代接口，不使用 --no-pause，并推荐以加载事件驱动的方式处理原生模块加载时机，而非轮询。它还给出处理模块加载时序的辅助函数、避免盲目 Hook init 系列函数的建议、优先使用构造函数分发器观察初始化链的思路，以及指针与缓冲区的可读化日志输出方式。

安全与审计安装量暂无数据

amlcft

AML/CFT 是一项面向反洗钱与反恐融资（含扩散融资）场景的专项技能，用于识别恐怖融资类型与红旗信号、设计或改进 CFT/PF 控制与风险偏好、评估 NPO 与 MVTS 及跨境汇款通道风险、梳理定向金融制裁（TFS）与资产冻结工作流，并协助准备 CFT 专项 STR/SAR 事实包与考试准备。它不用于从零搭建完整 AML 项目、法律意见、IT 审计底稿或制裁系统开发，相关需求应转交对应技能。

安全与审计0 次安装