技能库 2544 个

从威胁情报源（如MISP、OpenCTI、AlienVault OTX）提取IOC（IP、域名、hash等），并与内部安全日志进行匹配，以检测潜在威胁。

基于业务规则，编写和部署风控规则，实现自动决策，覆盖反欺诈、信用评估、交易监控等场景。

编写安全编排自动化与响应（SOAR）剧本，包括条件分支、API调用和人工审批节点，并调试运行。

搭建虚拟化或模拟环境以复现协议交互过程，支持网络安全研究中的协议分析、漏洞验证与攻击复现。

审查防火墙、WAF等安全设备的策略配置，发现过度放行或错误规则，确保安全策略最小权限原则。

对日志异常检测模型（如Isolation Forest、LSTM）进行自动调参及特征工程，提升安全风控场景下的异常检测准确率与效率。

使用神经网络净化等方法检测并消除模型后门

实现并执行典型密码学攻击（如时序攻击、缓存侧信道、相关密钥攻击）以验证算法实现的安全性。

根据告警信息，快速定位、分析并处置安全事件，生成事件报告

自动构建企业数据资产地图，展示敏感数据流转路径（如从数据库到终端再到外部），并高亮异常流量或跨域传输。

根据漏洞信息编写可用的 PoC 或 Exploit 代码，用于验证漏洞可利用性或进行渗透测试。

根据行业标准（如等保、CIS）检查系统配置，输出不合规项，辅助安全加固决策。

基于攻击时间窗口，自动回放安全日志、关联攻击链，定位根因事件并输出根因分析报告。

对机器学习模型进行对抗性攻击测试，识别安全漏洞并生成可落地的风险报告

对恶意软件进行静态和动态分析，提取IOC及行为特征，支持威胁狩猎和应急响应。

设计和训练机器学习模型（如CNN、RNN）以识别恶意网络流量，用于安全风控场景

根据渗透测试结果自动生成包含漏洞描述、危害及修复建议的安全报告

对网络协议实现进行系统性检查，评估其是否符合相关RFC或行业标准，识别偏离、错误或潜在安全风险。

基于已知威胁情报和机器学习模型对URL进行恶意分类

关联多源安全日志（如IDS、防火墙）识别攻击模式并生成告警

利用图分析或聚类算法识别关联欺诈团伙，挖掘隐蔽风险

从多源日志中自动构建攻击时间线，辅助端点安全工程师进行溯源分析

基于DLP、EDR、网络日志等多源数据，自动关联人员、设备、时间线，生成包含证据链和影响范围的溯源报告。

聚合多源安全数据（如日志、告警、流量、威胁情报），生成实时态势可视化仪表板，辅助安全运营与决策。