mcpField
T
Threat Intelligence & CTI

Threat Intelligence & CTI

github.com/masriyan安全52740 次安装1 周前更新
代码仓库

关于 Threat Intelligence & CTI

Threat Intelligence & CTI 是将原始安全线索转化为结构化、可行动情报的 Claude 技能。它支持 IOC 处理、分析模型、置信度评估、行为者跟踪,以及机器或人类可读的情报发布。

主要功能

  1. 01提取、规范化并丰富 IOC
  2. 02使用威胁模型组织分析
  3. 03评估来源可靠性与结论置信度
  4. 04跟踪威胁行为者和活动
  5. 05导出 STIX 或 MISP 情报

适用场景

  1. 01规范化事件报告中的指标
  2. 02准备供系统导入的 STIX 数据包
  3. 03评估归因结论的置信度
  4. 04为防御人员或管理层编写情报产品

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/masriyan/claude-code-cybersecurity-skill --skill threat-intelligence-&-cti

安装后在 Claude Code 中输入/threat-intelligence-&-cti确认已加载。

附带文件examples/example_usage.mdscripts/cti_processor.py

详细介绍

威胁情报与 CTI

目的

让 Claude 能够将原始观察转化为成品情报——让防御者能够据此采取行动、让决策者能够信赖的评估。本技能涵盖整个情报周期:明确需求、收集并规范化指标、应用结构化分析模型、评估来源与置信度、跟踪威胁行为者与行动,以及以机器可读(STIX/MISP)和人类可读(报告)形式进行传播。

这不同于技能 06(威胁狩猎):狩猎使用情报来搜索环境中的对手活动;本技能则生成和管理情报本身。这也不同于技能 05(恶意软件分析),后者会产出本技能用于提供背景并进行传播的技术事实。


激活条件

用户提出以下请求时,将激活本技能:

  • 从报告、电子邮件或信息源中提取、去武装/复武装、规范化或去重 IOC
  • 生成 STIX 2.1 包、MISP 事件或可通过 TAXII 提供的指标集
  • 评估来源的可靠性或评估的置信度(Admiralty/NATO 代码、概率估计用语)
  • 使用 Diamond Model、Cyber Kill Chain 或 MITRE ATT&CK 来构建入侵事件
  • 跟踪或聚类威胁行为者/行动,或推理归因
  • 撰写战术、作战或战略威胁情报报告,或情报评估
  • 设置优先情报需求(PIR)或制定收集计划
  • TLP 标记、情报传播,或信息源老化/衰减与误报抑制
  • 丰富指标信息(WHOIS/被动 DNS/信誉),或从一个指标关联到相关基础设施

前置条件

python3 --version          # 3.10+; standard library only for the core script
pip install requests       # optional — only for --enrich (live reputation/WHOIS lookups)

可选增强工具:

  • misp / PyMISP — 在 MISP 实例上创建和共享事件
  • stix2 / taxii2-client (OASIS) — 更丰富的 STIX 对象建模以及 TAXII 推送/拉取
  • opencti — 用于管理威胁行为者/行动知识图谱的 CTI 平台
  • 被动 DNS/信誉服务提供商(VirusTotal、Shodan、GreyNoise、urlscan),用于丰富指标信息

处理实时恶意软件和指标: 将样本哈希、实时 C2 域名和载荷 URL 视为恶意内容。在行文中始终对其进行去武装处理(hxxp://、evil[.]com),切勿从生产主机解析或获取这些内容,并在传播前使用 TLP 标记共享范围。


核心能力

1. 情报周期与需求

将每项任务与其所处的周期阶段对应起来,绝不跳过需求界定:

  1. 指导 — 明确优先情报需求(PIR)。好的 PIR 是与决策相关、有明确受众和截止时间的问题(例如,“本季度哪些勒索软件组织会积极攻击我们行业的 ERP 技术栈?”),而不是“告诉我威胁情况”。
  2. 收集 — 将每项 PIR 对应到具体来源(内部遥测、OSINT、商业信息源、ISAC/共享社区),并明确记录收集缺口。
  3. 处理 — 规范化、去武装、去重、翻译并结构化原始数据(见 §2)。
  4. 分析 — 应用结构化模型(§3)和概率估计用语(§4);区分观察与评估。
  5. 传播 — 以受众可用的形式交付(§5):供机器处理的 STIX、供管理人员阅读的简报、供 SOC 使用的检测内容。
  6. 反馈 — 记录产品是否回答了 PIR,并据此进行改进。

在生成输出之前,说明请求涉及哪个阶段,以及适用的 PIR 是什么。

2. IOC 提取、规范化与丰富

当用户提供报告、电子邮件或一段文本并询问其中的指标时:

  1. 提取 IPv4/IPv6、域名、URL、电子邮件地址、文件哈希(MD5/SHA1/SHA256)、CVE ID、ASN、注册表项、互斥体以及 Bitcoin/加密货币地址。
  2. 先还原混淆,再统一重新混淆——接受 hxxp、[.]、(dot)、[at]、\.;在内部规范化;在正文中始终输出混淆后的形式,仅在结构化字段或引用字段中输出原始值。
  3. 规范化——将域名转为小写;在无关紧要时移除 URL 片段和默认端口;按算法验证哈希长度;除非用户要求保留,否则剔除明显的噪声(RFC 1918/环回地址/example.com/文档专用地址段)。
  4. 去重并分类每个指标,并附上上下文:首次/最后出现时间、来源报告、对应的攻击链阶段以及置信度。
  5. 丰富信息(可选)——WHOIS/注册商、被动 DNS、ASN/地理位置、信誉以及关联关系(此域名解析到该 IP、该 IP 托管这些其他域名),以便进行关联分析。
  6. 使用 scripts/cti_processor.py 执行可自动化的提取/混淆处理/规范化/去重/STIX 导出步骤;在将任何内容作为已确认指标发布前,先进行人工判断。
3. 结构化分析模型

选择适合问题的模型;应分层使用,而非将它们视为相互替代的方案:

  • Diamond Model——用于分析单次入侵事件,填充四个顶点(对手、能力、基础设施、受害者)以及元特征(时间戳、阶段、结果、方向、方法)。跨顶点进行关联分析以扩展知识(例如,从某项能力追溯到交付该能力的基础设施)。
  • 网络杀伤链(Lockheed Martin)——按顺序排列观察到的活动:侦察 → 武器化 → 投递 → 利用 → 安装 → C2 → 目标行动。越早发现,成本越低;请注明最早存在检测机会的阶段。
  • MITRE ATT&CK——将每种观察到的行为映射到一个技术/子技术 ID 和战术。这是与 Skills 06、12、15 和 22 衔接的通用语言。
  • 竞争性假设分析(ACH)——当归因或意图存在争议时,列出各种假设和证据,并根据证据对各假设的反证能力(诊断性证据)进行评分,而不是根据证据对你偏好的假设的支持程度评分。
4. 来源与置信度评分

将对来源的信任程度与对主张的信任程度区分开,并明确说明两者:

  • Admiralty / NATO 来源可靠性代码——来源可靠性 A–F(可靠 → 无法判断)× 信息可信度 1–6(已确认 → 无法判断)。报告格式示例:B2。
  • 估计概率用语——使用经过校准的措辞(“几乎可以肯定”“很可能”“大约各占一半”“不太可能”),并在适用时明确给出百分比范围;绝不能让“可能”听起来像“将会”。
  • 对每项评估标注置信度(低/中/高),并说明影响因素(来源数量、相互印证情况、分析假设)。
  • 在文中标明假设和信息缺口——未明确说明的假设是 CTI 中最常见的失误原因。
5. 行为者与战役跟踪 + 归因准则
  1. 先按 TTP 聚类,再命名。 根据共享的基础设施、工具和行为,将活动归入未命名的活动集群(UNC 风格),之后再考虑使用公开的行为者名称。
  2. 归因是一个光谱,而非定论。 区分技术归因(该集群实施了这些活动)、行为者归因(某个具名组织)和国家/资助方归因(难度最大、影响最重大的归因)。说明每个层级的置信度和证据类别。
  3. 谨防重叠和伪旗行动——共享工具、通用恶意软件和蓄意伪旗都会导致单一指标归因不可靠。相比可替换的基础设施,应更重视持久的行为 TTP。
  4. 使用一致的内部架构跟踪战役(集群 ID、别名、相关恶意软件、目标行业/地理区域、首次/最近活动时间),并映射不同供应商使用的别名(MISP 星系会有所帮助)。
6. 生产、传播与情报源卫生
  • 让产品匹配受众——战术层(面向 SOC 的 IOC/检测)、行动层(面向防御人员和 IR 的 TTP/战役)、战略层(面向领导层的趋势/风险)。一项输入通常可以产生三种不同的产品。
  • 在每项产品上标注 TLP 2.0(TLP:RED / AMBER+STRICT / AMBER / GREEN / CLEAR)——标记即共享协议;分发前先明确标注。
  • 以机器可读格式传播——生成 STIX 2.1 捆绑包(指标、关系、标记定义),用于自动摄取;生成 MISP 事件,用于社区共享;使用 TAXII 进行拉取/推送。
  • 情报源卫生——指标会随时间失效。应用老化/评分机制,使过时指标失效;通过允许列表抑制已知的误报基础设施(CDN、沉洞、共享主机);切勿将未经分流的情报源直接推送到拦截系统。

输出模板

# Threat Intelligence Product
**Title:** [Short descriptive title]
**Date:** [YYYY-MM-DD]  |  **TLP:** [RED / AMBER+STRICT / AMBER / GREEN / CLEAR]
**Product type:** [Tactical / Operational / Strategic]
**PIR addressed:** [the requirement this answers]

---

## Bottom Line Up Front (BLUF)
[2–3 sentences of assessment, with an estimative-language judgment and an overall confidence level.]

## Key Assessments
- [Assessment 1] — *Confidence: [Low/Med/High]* — *Source: [Admiralty e.g. B2]*
- [Assessment 2] — ...

## Diamond / Kill Chain Summary
| Vertex / Phase | Observed |
|----------------|----------|
| Adversary | [cluster/actor + attribution confidence] |
| Capability | [malware/tooling + ATT&CK techniques] |
| Infrastructure | [C2/staging + defanged] |
| Victim | [sector/geo/asset] |
| Earliest detection opportunity | [kill-chain phase] |

## Indicators of Compromise
| Indicator (defanged) | Type | Kill-chain phase | Confidence | First seen | Source |
|----------------------|------|------------------|------------|-----------|--------|

## ATT&CK Techniques Observed
| Tactic | Technique (ID) | Evidence |
|--------|----------------|----------|

## Assumptions & Intelligence Gaps
- [Assumption / gap and how it affects confidence]

## Recommended Actions
- [Detection to deploy → Skill 12 / 15] · [Hunt to run → Skill 06] · [Emulation to validate → Skill 22]

脚本参考

cti_processor.py
# Extract, defang, normalize, dedup IOCs from a report and print a summary
python scripts/cti_processor.py --input report.txt

# Emit a STIX 2.1 bundle and a MISP-style event
python scripts/cti_processor.py --input report.txt --stix iocs_stix.json --misp event.json

# Tag every indicator with a TLP marking and an Admiralty source score
python scripts/cti_processor.py --input report.txt --tlp AMBER --source-score B2 --output iocs.json

# Optional live enrichment (adds network calls; requires `requests`)
python scripts/cti_processor.py --input report.txt --enrich --output iocs.json

# Self-contained demonstration on a bundled sample report
python scripts/cti_processor.py --demo

提取 IPv4/IPv6、域名、URL、电子邮件、MD5/SHA1/SHA256 哈希、CVE、ASN 和加密货币地址;还原混合去武器化格式,将内容规范化并验证,剔除私有地址/文档示例等噪声,去重,并导出带有 TLP 和 Admiralty 评分的 STIX 2.1/MISP 风格 JSON。提取和置信度均基于启发式规则——发布确认指标前请先核实。


技能集成

条件后续技能
指标已准备好用于搜索环境→ Skill 06(威胁狩猎)
报告中提到的恶意软件样本是关键依据→ Skill 05(恶意软件分析),获取技术事实
需要确定被引用 CVE 的优先级→ Skill 02(漏洞扫描器),获取 CVSS/EPSS/KEV
需要将指标/TTP 转化为检测规则→ Skill 12(日志分析/Sigma)和 Skill 15(蓝队)
需要根据评估结果开展仿真→ Skill 22(紫队),验证对该行为者 TTP 的检测能力
CTI 为攻击行动的威胁模型提供依据→ Skill 14(红队行动)
为领导层/合规工作制定战略风险框架→ Skill 19(GRC 与合规)
在实时 IR 期间产出情报← Skill 07(事件响应)

参考资料

评论

支持 Markdown