ツール

Anthropic-Cybersecurity-Skills:6大フレームの817スキルをAI Agentに読み込ませる

GitHubで3万スターを集めるオープンソースリポジトリが、MITRE ATT&CKやNIST CSFなど6つのセキュリティフレームワークを817個のSKILL.mdに分解。Claude CodeやCursorから設定一行で呼び出せる。

文字サイズ

Anthropic-Cybersecurity-Skills:6大フレームの817スキルをAI Agentに読み込ませる

GitHubで3万スターを集めるオープンソースリポジトリ Anthropic-Cybersecurity-Skills は、MITRE ATT&CK、NIST CSF、MITRE ATLASなど6つの主要セキュリティフレームワークを817個の標準的な SKILL.md に分解している。Claude Code、Cursor、Copilot、Codex CLIなら、設定を一行追加するだけで読み込める。

解决的问题

若手のセキュリティアナリストなら、メモリダンプの解析にVolatility 3のどのプラグインを使うか、Kerberoastingを検知するSigmaルールはどれかを知っている。だがAI Agentはデフォルトではこうした知識を持たない。

このリポジトリのアプローチはこうだ。817個の構造化されたセキュリティスキル(それぞれが SKILL.md 1ファイル)を、29のセキュリティドメインと6つのフレームワークに沿って整理する。agentskills.io 標準に対応するAIプログラミングツールなら、ローカルのスキルと同様に呼び出せる仕組みだ。

たとえるなら、『ブルーチーム向けマニュアル』と『レッドチーム向けマニュアル』をLLMが読める SKILL.md にバラバラにしたようなものだ。

使い方

使い始めるのは3ステップで完了する。

  1. git clone https://github.com/mukul975/Anthropic-Cybersecurity-Skills
  2. Claude Code / Cursor / Codex CLIで、リポジトリのパスをskillsディレクトリに追加する。
    - Claude Codeは通常 ~/.claude/skills/
    - Cursorはプロジェクト内の .cursor/skills/
  3. 会話で「memory-forensics-volatilityスキルでこのダンプを解析して」と直接伝える

以下は、リポジトリ構造から抜粋した最小実行可能なスキルファイルの例だ。

---
name: memory-forensics-volatility
description: |
  Analyze Windows memory dumps using Volatility 3 to identify malicious
  processes, injected code, and credential artifacts. Use when the user
  provides a .raw or .dmp file and asks about memory forensics, process
  injection, or credential theft (T1003 OS Credential Dumping).
framework_mapping:
  attack:
    - T1003
  csf:
    - DE.CM-01
---

# Memory Forensics with Volatility 3

## Prerequisites
pip3 install volatility3

## Quick Analysis Workflow
1. Identify image profile:
   `vol -f memdump.raw windows.info`
2. List processes (look for unsigned / hollowed):
   `vol -f memdump.raw windows.pslist`
3. Scan for code injection:
   `vol -f memdump.raw windows.malfind`
4. Dump credentials:
   `vol -f memdump.raw windows.hashdump`

## Output
Save findings to `findings.md` with MITRE ATT&CK technique IDs.

このファイルを skills/memory-forensics/SKILL.md に置けば、Claude CodeやCursorが関連する質問に対して自動でスキルを読み込む。

動作原理

中核となるのは agentskills.io というオープン規格だ。スキル1つにつき1フォルダを割り当て、その中に SKILL.md を配置する。YAMLフロントマターにスキル名、起動トリガー、依存ツール、フレームワークへのマッピングを記述し、本文に具体的な手順とサンプルコマンドを書く。

リポジトリでは817個のスキルを29のドメインに分けて格納している。forensics/、cloud/、ai-security/、fraud/、red-team/ といった具合だ。各ドメインのルートディレクトリには、適用されるフレームワークを説明するREADMEが添えられている。

読み込みの流れはこうだ。ユーザーが質問する → Agentが一致する SKILL.md を検索する → コンテキストウィンドウに読み込む → 中のコマンドに従って実行する → 結果を出力する。一致の判定は description フィールドの意味的検索に依存している。

フレームワークマッピングは双方向だ。上記のvolatilityの例では、ATT&CKの T1003(OS Credential Dumping)とNIST CSFの DE.CM-01(継続的監視)の両方をタグ付けしている。同じスキルを複数のフレームワーク観点から対応付けることで、コンプライアンスレポートに転記するだけで済む。

29のドメインがカバーするのは、攻撃対象管理、脅威インテリジェンス、検知エンジニアリング、インシデント対応、デジタルフォレンジック、クラウドセキュリティ、AI/MLセキュリティ、不正検知、レッドチーム、C2、フィッシング、ICS/OT、モバイル、コンプライアンス、プライバシー。中規模SOCのワークフローをほぼ網羅している。

26以上のAIプラットフォームに対応している点は目を引く。Claude Code、GitHub Copilot、Cursor、OpenAI Codex CLI、Gemini CLIがこの標準を受け入れるため、SKILL.md を一度書けばどこでも動く。

強みと弱み

強み:

  • 標準が統一されている。26以上のプラットフォームで共通動作するため、ツール切り替え時にスキルの書き直しが不要で移行コストは実質ゼロ。
  • フレームワークマッピングが充実。単一のSigmaルール集よりもカバー範囲が広く、ATT&CK / NIST CSF / D3FEND / ATLAS / AI RMF / F3のIDを同時に付与する。
  • Apache 2.0ライセンス。商用利用可、社内配布も問題ない。
  • READMEで法的レッドラインを明確にしている。レッドチームのC2やフィッシング模擬、脆弱性 exploitationのような諸刃のスキルは「自らが権限を持つシステムでのみ使用する」と明記。セキュリティツールとしてはここまで踏み込んでいる例は少ない。

弱み:

  • 3万スターのうち少なからず分はリポジトリ名に含まれる「Anthropic」の恩恵によるもの。READMEのdisclaimerによれば作者は mukul975 で、コミュニティ主導のプロジェクトでありAnthropic PBC公式とは無関係。この点には注意したい。
  • SKILL.md はLLMが読むプロンプトであり、実実行可能なコードではない。本質的にはナレッジベースであり、自動化エンジンではない。複雑なケースは結局人間が手書きする必要がある。
  • 一部のレッドチーム / フィッシング系スキルはリスクが高い。コンプライアンス要件が厳しい企業では導入前に法務とセキュリティ双方の評価が不可欠。
  • メンテナンスが個人作者に依存している。bus factorが1であり、長期的な持続性には疑問が残る。

実際に試してみた

ローカルにクローンし、skills/ ディレクトリをCursorの .cursor/skills/ に追加した。テストには memory-forensics ドメインのvolatilityスキルを選んだ。

質問:「このmemdump.rawを分析して、不審なプロセスを見つけて」。Agentはスキルを正しく読み込み、volatility3 -f memdump.raw windows.pslist --pid の標準的なコマンドフローを提示し、pip3 install volatility3 を先に実行するよう促した。

質問から完全な提案を得るまでの呼び出しレイテンシは2秒以内だった。なおこれは純粋に SKILL.md を検索・読み込みするレイテンシであり、volatility自体の実行時間は含まない。volatility3で大きなメモリダンプを処理する場合は数分〜数十分が別途かかる。

Claude Codeに切り替えても結果は同じだった。

次にネットワーク層のSigmaルール系スキルも試したが、AgentはこれをSplunk SPLクエリに正しく変換してくれた。Sigmaのドキュメントを自分でひっくり返さずに済む。

結論としては、「AI向けのセキュリティマニュアル」として使うなら十分に有用だが、自動意思決定まで代行してくれるとは思わない方がいい。実際にコマンドを走らせる、PoCを書く、スキャンを起動するといった作業は引き続き人間が行う必要がある。

誰が使うべきか

向いているケース:

  • ブルーチーム / SOCアナリスト:IDEでClaude / Cursorを動かす際に、ついでに検知ルールを引きたい。ドキュメントを一から探すより SKILL.md のほうが早い。
  • GRC / コンプライアンス担当:MITRE ATT&CK / NIST CSFに基づいて証跡を引用する必要がある。フレームワークマッピングが手間を省く。
  • セキュリティ研究者:6つのフレームワークを体系的に学びたい場合、29ドメインに構造化された資料は良い出発点になる。
  • AIセキュリティ領域:ATLASやAI RMFに注目している人。実用的なスキルテンプレートが揃っている。

向かないケース:

  • すぐに動く自動化スキャナを探している人。これはナレッジベースであり、エンジンではない。
  • レッドチームがこれを未承認のペネトレーションテストにそのまま使いたい場合。法的リスクは自己責任であり、リポジトリも明確に禁止している。
  • セキュリティのバックグラウンドが全くない初心者。スキルだけあっても判断力がなければ、AIの出力をそのまま信用するのは危険だ。SKILL.md 内のコマンドを誤って実行すれば取り返しのつかない結果を招く。

使い方の指針

具体的なアドバイス:

  1. まずローカルにcloneし、クラウドのバージョン番号を鵜呑みにしない。
  2. 段階的に導入する。自分のworkstationで1〜2個のスキル(例えばmemory-forensics+Sigmaルール1件)を動かし、Agentの読み込みとコマンド生成が期待通りか確認する。
  3. チーム向けに「承認スコープ一覧」をWikiに書いておく。どのスキルがどのシステムに対応し、誰が承認し、レッドラインはどこか。
  4. 重要なコマンドを実行する前に人間がレビューする。SKILL.md はLLMプロンプトでありサンドボックスではない。Agentに渡すshell権限はすなわちあなたが与える権限だ。

避けるべきこと:

  • 本番環境に skills/ ディレクトリをそのままマウントしない。817個のスキルを一度にコンテキストに詰め込めばトークンが破裂し、Agentの検索ノイズも増大する。
  • レッドチームスキルを本番環境に対する「セキュリティテスト」に使わない。変更管理プロセスを経て書面で承認を得ない限り。
  • SOARや自動化プラットフォームとして扱わない。これはナレッジベースであり、オーケストレーションは人間が行うものだ。

出典

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