SuperAPI AI 工具集

loom-threat-model

安全与审计

查看项目

更新于 10-15 20:28

技能介绍

用途:在代码存在之前,对设计进行结构化风险识别,回答“在建什么、会出什么问题、如何应对、做得好不好”四个问题。属于架构期分析;查找现有代码漏洞应使用 loom-security-scan/loom-security-audit,认证机制细节使用 loom-auth。

主要能力:STRIDE 默认按 DFD 元素逐项应用(外部实体→欺骗、抵赖;进程→全部六类;数据流→篡改、信息泄露、拒绝服务;数据存储→篡改、信息泄露、拒绝服务,日志另加抵赖)。DREAD 用于风险打分(损害、复现、利用、影响用户、可发现性,1–10 取均值),但资料指出其主观且评分者间不一致,微软已弃用,建议改用可能性×影响矩阵或 CVSS。PASTA 为七阶段、以业务目标驱动的风险中心方法;LINDDUN 是面向隐私威胁的 STRIDE 对应物,适用于 GDPR/PII 密集系统。

使用方式:先界定范围与资产(凭据、支付数据、PII 等及其分类与影响),再绘制带信任边界的 DFD,逐元素枚举威胁,对高价值目标构建攻击树,最后将缓解措施跟踪到关闭。每个高/严重威胁需有缓解、带负责人与理由的接受风险或转移,沉默即未管理风险。文档模板含执行摘要、系统描述、资产、分析、风险评估、缓解、残余风险与复审计划。

适用场景:新系统设计、架构评审、重大功能或信任边界变更、第三方集成、合规取证。

限制:资料未提供安装命令、收费或平台信息;DREAD 被明确提示慎用;威胁模型需版本化并设复审触发条件。