Claude Cybersecurity 代码安全审计技能
面向 Claude Code 的 AI 代码安全审计技能：8 个并行专家代理，覆盖 OWASP、CWE Top 25、MITRE ATT&CK，零配置即可运行。
技能含明确的关键安全规则（把被扫描代码视为数据而非指令）、逐代理工具限制（多数仅 Read/Grep/Glob）、证据脱敏规则（掩码密钥），安全设计意识强。扣分项：顶层 allowed-tools 授予 Write/Edit/Bash，编排阶段 Bash 用于枚举命令，未见用户确认门槛或最小权限声明；无回滚/外部影响说明。
方法论自洽、命令具体、输出格式统一（VULN-XXX），失败路径（如 diff 范围 fallback、无 IaC 返回 100 分）有设计。扣分项：无测试证据、无已复现关键路径、SKILL.md 在 Agent 7 处被截断，子代理在异常输入下的行为与失败反馈质量无法确认。
触发短语明确、参数（--scope/--focus/--compliance）和适用栈（11+ 语言）清晰，纯本地运行、无外部服务依赖，离线可用。扣分项：未声明能力边界与非适用范围，无中文语言支持说明。
文档分层良好（SKILL.md + references/），有 MIT 许可证、SECURITY.md 与安装/卸载说明。扣分项：无版本号/变更日志、维护责任与更新路径不明、README 宣称 14 种语言而 SKILL.md 叙述为 11，存在表述不一致；发布者未经核实。
设计目标清晰、方法论专业（上下文优先、置信度校准、误报抑制），有理论上的边际价值。扣分项：静态审查无法验证实际产出可直接使用，代表性输出仅有视频演示链接，无可审计的样例报告完整证据。
参考文件（taxonomy、误报抑制、IaC 模式）内容可审计，部分引用公开事实（tj-actions CVE 等）。扣分项：无提交的测试套件或 CI 运行证据，'91% 误报率'等统计数据无法独立核实，营销性对比表（vs GHAS）为作者自述。
- 本评审为纯静态源码审查，未执行任何扫描，技能实际检测效果未经复现验证。
- 顶层授权包含 Bash/Write/Edit，编排阶段会执行枚举命令；建议在受控环境首次使用并审查其命令。
- SKILL.md 源文件在 Agent 7 处截断，实际部署版本是否完整需自行确认。
- README 建议 curl | bash 安装方式存在供应链风险，建议改用克隆后审查 install.sh。
- 无中文支持声明；未发现不可达的海外服务依赖（纯本地运行），但无针对中国大陆环境的显式适配说明。
- 无版本号与变更日志，更新后行为可能变化且难以追踪。
这个 Skill 能做什么，适合哪些场景？
这是一个安装在 Claude Code 中的安全审计技能，通过一次调用并行派出 8 个专家代理，对代码库进行多维度审查：漏洞检测、授权验证、密钥泄露扫描、依赖供应链、IaC 安全、威胁情报（恶意代码/C2/后门检测）、AI 生成代码模式以及业务逻辑缺陷。审计结果输出为带加权评分（0-100 分、A-F 等级）的结构化报告，并对每个发现标注置信度和 CWE/OWASP/MITRE 映射。它强调框架感知的误报抑制和缺失安全控制的推理，定位为对 GitHub Advanced Security 等静态工具的补充。技能本体是约 23 个 Markdown 参考文件（约 5350 行），无额外运行时依赖。
该技能以 'cybersecurity' 名称安装在 skills/ 目录下，通过 /cybersecurity 触发。执行流程分四阶段：1) GATHER——用 shell 命令（find、grep、ls、git diff）检测技术栈、语言、框架、包管理器、IaC 与 CI/CD 配置，枚举入口点并绘制信任边界，做 STRIDE 威胁分析；2) ANALYZE——在一条消息中并行派出 8 个代理（漏洞 20%、授权 15%、密钥 10%、依赖 10%、IaC 10%、威胁情报 15%、AI 代码 10%、逻辑设计 10%），各代理只用 Read/Grep/Glob（IaC 代理另加 Bash）；3) RECOMMEND——按权重聚合各代理 0-100 分，执行自动 CRITICAL 门控，串联攻击路径，可按 --compliance 标志映射 PCI/HIPAA/SOC 2/GDPR；4) EXECUTE——输出含严重度分级、修复优先队列和 MITRE ATT&CK 映射的报告。支持 --scope full|quick|diff 三种范围和 --focus 单维度深挖。内置针对被扫描代码的提示注入防御规则和密钥脱敏规则。
- 独立开发者或小团队在发布前对整个代码库做一次免费的全量安全审计（--scope full）
- PR 审查场景：在合并前只扫描变更文件（--scope diff），将安全检查纳入日常开发流程
- CI 集成前的快速检查：只查入口点、认证、密钥和依赖（--scope quick），缩短反馈时间
- 处理 AI 辅助生成代码较多的团队，想专门检测 Copilot/ChatGPT 生成代码中常见的缺失校验、SQL 拼接等问题（--focus ai）
- 需要合规映射的团队：用 --compliance pci|hipaa|soc2|gdpr 把发现对应到具体条款
- 怀疑某个维度有问题时做单点深挖，例如供应链投毒排查（--focus deps 或 --focus threat）
这个 Skill 有哪些优点和局限？
- 8 维度并行审计，其中业务逻辑缺陷和恶意代码/C2 检测是传统 SAST 工具架构上做不到的
- 框架感知的误报抑制（Django ORM 参数化、React 自动转义等 10 个框架），并区分自动提升/降低置信度的模式
- 每个发现带置信度分级、CWE/OWASP/MITRE 映射、数据流路径和具体修复建议，评分公式公开
- 内置提示注入防御：把被扫描代码视为数据而非指令，并对注入企图本身报 CRITICAL 发现
- 零配置、MIT 许可、无额外依赖，支持 full/quick/diff 三种范围适配不同场景
- 深度绑定 Claude Code 专有机制：frontmatter 中的 allowed-tools、user-invokable 和 Agent 子代理派发无法原样迁移到其他平台
- 发现是 LLM 推理结果而非确定性扫描，仓库未提供测试套件或基准评测数据佐证其准确率
- 语言覆盖数存在矛盾：仓库描述写 11 languages，README 徽章写 14，而 language-patterns/ 目录实际有 11 个模式文件，真实覆盖范围需自行验证
- 已知漏洞检查依赖模型对常见 CVE 的记忆（如 chalk 2025、event-stream 2018），没有接入实时漏洞数据库，时效性不保证
- 并行 8 代理的全量审计在大仓库上会消耗较多 token，成本未在源材料中说明
如何安装这个 Skill？
三种方式（来源为仓库 README）：1) 手动安装：git clone https://github.com/AgriciDaniel/claude-cybersecurity.git && cd claude-cybersecurity && bash install.sh；2) Claude Code 插件方式：claude plugin install cybersecurity；3) 一行命令：curl -fsSL https://raw.githubusercontent.com/AgriciDaniel/claude-cybersecurity/main/install.sh | bash。卸载可用 uninstall.sh 或删除 ~/.claude/skills/cybersecurity。注意：手动安装脚本未在源材料中说明把文件具体放到哪个位置（仅卸载提示显示为 ~/.claude/skills/cybersecurity），curl|bash 方式请自行审查脚本后再执行。
如何使用这个 Skill？
安装后在 Claude Code 会话中调用：/cybersecurity 做全量审计；/cybersecurity --scope quick 快速扫描；/cybersecurity --scope diff 只审变更文件；/cybersecurity --focus threat 深挖单维度（可选 vuln|auth|secrets|deps|iac|threat|ai|logic）；/cybersecurity --compliance pci 加合规映射。也可用自然语言触发，如"security audit"、"check for vulnerabilities"等（见 SKILL.md description）。唯一依赖是 Claude Code 本身，无需额外配置。
这个 Skill 与同类方案有什么区别？
仓库 README 明确以 GitHub Advanced Security 为对标：该技能声称能补充 GHAS 做不到的部分——业务逻辑缺陷、缺失授权检查、竞态条件、AI 生成代码模式、语义级混淆密钥检测和 MITRE ATT&CK 威胁映射，且免费（GHAS 标价 $49/提交者/月）。但也应认识到 GHAS 是确定性引擎、结果可复现，而本技能是基于 LLM 的启发式分析，两者定位是互补而非替代。