技能库 2544 个

基于STRIDE等框架识别移动应用的数据流、信任边界和攻击面，输出威胁矩阵

检查服务器、数据库、中间件的安全配置是否符合最佳实践（如禁用弱密码算法、最小权限原则、日志审计等），并生成整改报告。

审计移动应用WebView的JavaScript启用、FileAccess、MixedContent等配置，防止XSS和文件泄露，确保安全与风控合规。

使用扫描工具发现目标系统漏洞，并通过人工或自动化方式验证漏洞的真实性与可利用性，确保安全风险准确评估。

从暗网、论坛等渠道自动化采集黑产工具、手法、账号信息，辅助反欺诈团队识别新型攻击模式

从暗网、论坛自动爬取新工具、漏洞和手法，更新特征库，提升反作弊系统的前瞻性防御能力。

检查Android四大组件（Activity/Service/BroadcastReceiver/ContentProvider）的导出权限和Intent劫持风险

从原始数据中提取统计特征、时间序列特征等用于训练分类模型，提升反作弊风控效果

根据协议或接口定义自动生成模糊测试数据，用于发现潜在漏洞，提升安全与风控能力。

利用设备指纹技术（如浏览器指纹、IP关联）识别恶意设备，生成风险设备名单

整合多维度安全数据（如配置、漏洞、日志、合规要求），自动生成云安全态势评估报告，涵盖合规性与风险分析，输出结构化文档。

自动从日志中提取异常行为序列，识别自动化工具或僵尸网络特征

从外部威胁情报源获取IOC（如IP、域名、Hash、URL），与内部安全日志进行关联分析，自动生成告警事件。

自动对比公司安全策略与ISO 27001、等保2.0等标准，输出差距分析报告

基于业务场景配置风控规则引擎，包括阈值设定、策略编排与实时生效，用于识别和阻断欺诈行为。

生成可绕过现有反作弊模型的攻击样本，并评估模型鲁棒性与防御能力。

从交易流水、用户行为日志等数据中提取可疑特征，用于规则或模型开发，辅助风控策略分析师识别欺诈、盗刷、洗钱等异常行为。

开发高并发低延迟的评分接口，支持毫秒级决策，用于实时反作弊与风控场景。

自动扫描云资源配置，识别不合规项并生成修复建议，确保云环境符合安全基线标准。

自动维护黑名单库，包括导入、去重、过期处理，并集成到实时决策中，提升风控系统响应效率与准确性。

部署机器学习模型（如XGBoost、逻辑回归）到生产环境，并监控模型效果、数据漂移，确保风控系统稳定运行。

熟练配置和优化风控规则引擎（如Drools、Flink CEP），实现实时规则匹配与动态调整，提升风控决策效率与准确性。

构建用户关联图，提取社区发现、中心性等特征用于团伙欺诈检测

对用户登录、交易等行为序列进行异常检测，识别盗刷、撞库等行为模式