Communitygithub.com

DevSecOps-Pipeline mit GitLab CI erstellen

Konfigurieren Sie eine GitLab CI/CD-Pipeline, die SAST (Semgrep, SpotBugs, Gosec, Bandit, NodeJsScan), DAST, Container-Scanning, Abhängigkeitsscanning und Geheimnis-Erkennung über GitLab integriert.

Was ist DevSecOps-Pipeline mit GitLab CI erstellen?

Dieses Skill ermöglicht es Entwicklern und DevOps-Ingenieuren, eine vollständige DevSecOps-Pipeline mit GitLab CI aufzubauen. Es integriert alle wichtigen Sicherheitsscanner von GitLab – SAST, DAST, Container-Scanning, Abhängigkeitsscanning, Geheimnis-Erkennung und Lizenz-Compliance – direkt in die CI/CD-Pipeline. Dadurch wird Sicherheit nach links verschoben, Schwachstellen werden bereits während der Entwicklung erkannt und behoben, bevor sie in die Produktion gelangen. Das Skill bietet eine detaillierte `.gitlab-ci.yml`-Konfiguration, Erläuterungen zu Sicherheitsprüfungen für Merge Requests, Richtlinien für Sicherheitsgenehmigungen sowie Tipps zur Pipeline-Optimierung und Überwachung. Es ist besonders nützlich für Teams, die GitLab Ultimate einsetzen und ihre Softwarelieferkette absichern möchten.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/building-devsecops-pipeline-with-gitlab-ci

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht DevSecOps-Pipeline mit GitLab CI erstellen?

Überblick

GitLab bietet eine integrierte DevSecOps-Plattform, die Sicherheitstests direkt in die CI/CD-Pipeline einbettet. Durch die Nutzung der integrierten Sicherheitsscanner von GitLab – SAST, DAST, Container-Scanning, Abhängigkeitsscanning, Geheimnis-Erkennung und Lizenz-Compliance – können Teams Sicherheit nach links verschieben und Schwachstellen während der Entwicklung erkennen, anstatt erst nach der Bereitstellung. GitLab Duo AI unterstützt bei der Erkennung von Fehlalarmen für SAST-Schwachstellen und hilft Sicherheitsteams, sich auf echte Probleme zu konzentrieren.

Verwendungszweck

  • Beim Bereitstellen oder Konfigurieren von DevSecOps-Pipelines mit GitLab CI in Ihrer Umgebung
  • Beim Festlegen von Sicherheitskontrollen zur Einhaltung von Compliance-Anforderungen
  • Beim Aufbau oder der Verbesserung der Sicherheitsarchitektur für diesen Bereich
  • Bei der Durchführung von Sicherheitsbewertungen, die diese Implementierung erfordern

Voraussetzungen

  • GitLab Ultimate-Lizenz (erforderlich für die vollständige Sicherheitsscanner-Suite)
  • Konfigurierter GitLab Runner (gemeinsam genutzt oder selbst gehostet)
  • Vertrautheit mit der .gitlab-ci.yml-Pipeline-Konfiguration
  • Docker-in-Docker (DinD) oder Kaniko für Container-Builds
  • In einer Staging-Umgebung bereitgestellte Anwendung für DAST-Scans

Wichtige Sicherheitsscan-Stufen

Static Application Security Testing (SAST)

SAST analysiert Quellcode auf Schwachstellen vor der Kompilierung. GitLab unterstützt 14+ Sprachen mit Analysatoren wie Semgrep, SpotBugs, Gosec, Bandit und NodeJsScan. Die einfachste Integration erfolgt über die verwalteten Vorlagen von GitLab.

Dynamic Application Security Testing (DAST)

DAST testet laufende Anwendungen, indem es Angriffspayloads gegen HTTP-Endpunkte simuliert. Es erkennt XSS, SQLi, CSRF und andere Laufzeitschwachstellen, die SAST nicht finden kann. DAST erfordert eine bereitgestellte, erreichbare Ziel-URL.

Container-Scanning

Verwendet Trivy, um Docker-Images auf bekannte CVEs in Betriebssystempaketen und Anwendungsabhängigkeiten zu scannen. Läuft nach der Docker-Build-Stufe, um Images zu sperren, bevor sie eine Registry erreichen.

Abhängigkeitsscanning

Überprüft Abhängigkeitsmanifeste (package.json, requirements.txt, pom.xml, Gemfile.lock) auf bekannte, verwundbare Versionen. Arbeitet auf Quellcode-Ebene und ergänzt das Container-Scanning.

Geheimnis-Erkennung

Scannt Commits auf versehentlich committete Anmeldedaten, API-Schlüssel, Tokens und private Schlüssel mittels Mustervergleich und Entropieanalyse. Läuft bei jedem Commit, um zu verhindern, dass Geheimnisse ins Repository gelangen.

Implementierung

Vollständige Pipeline-Konfiguration

# .gitlab-ci.yml

stages:
  - build
  - test
  - security
  - deploy-staging
  - dast
  - deploy-production

variables:
  DOCKER_IMAGE: $CI_REGISTRY_IMAGE:$CI_COMMIT_SHORT_SHA
  SECURE_LOG_LEVEL: "info"

# GitLab-verwaltete Sicherheitsvorlagen einbinden
include:
  - template: Security/SAST.gitlab-ci.yml
  - template: Security/Secret-Detection.gitlab-ci.yml
  - template: Security/Dependency-Scanning.gitlab-ci.yml
  - template: Security/Container-Scanning.gitlab-ci.yml
  - template: DAST.gitlab-ci.yml
  - template: Security/License-Scanning.gitlab-ci.yml

build:
  stage: build
  image: docker:24.0
  services:
    - docker:24.0-dind
  variables:
    DOCKER_TLS_CERTDIR: "/certs"
  script:
    - docker login -u $CI_REGISTRY_USER -p $CI_REGISTRY_PASSWORD $CI_REGISTRY
    - docker build -t $DOCKER_IMAGE .
    - docker push $DOCKER_IMAGE
  rules:
    - if: $CI_COMMIT_BRANCH

unit-tests:
  stage: test
  image: $DOCKER_IMAGE
  script:
    - npm ci
    - npm run test:coverage
  coverage: '/Lines\s*:\s*(\d+\.?\d*)%/'
  artifacts:
    reports:
      junit: junit-report.xml
      coverage_report:
        coverage_format: cobertura
        path: coverage/cobertura-coverage.xml

# SAST überschreiben, um in der Sicherheitsstufe zu laufen
sast:
  stage: security
  variables:
    SAST_EXCLUDED_PATHS: "spec,test,tests,tmp,node_modules"
    SEARCH_MAX_DEPTH: 10

# Container-Scanning überschreiben
container_scanning:
  stage: security
  variables:
    CS_IMAGE: $DOCKER_IMAGE
    CS_SEVERITY_THRESHOLD: "HIGH"

# Abhängigkeitsscanning überschreiben
dependency_scanning:
  stage: security

# Geheimnis-Erkennung überschreiben
secret_detection:
  stage: security

# Lizenz-Compliance-Scanning
license_scanning:
  stage: security

deploy-staging:
  stage: deploy-staging
  image: bitnami/kubectl:latest
  script:
    - kubectl set image deployment/app app=$DOCKER_IMAGE -n staging
    - kubectl rollout status deployment/app -n staging --timeout=300s
  environment:
    name: staging
    url: https://staging.example.com
  rules:
    - if: $CI_COMMIT_BRANCH == $CI_DEFAULT_BRANCH

# DAST läuft gegen die bereitgestellte Staging-Umgebung
dast:
  stage: dast
  variables:
    DAST_WEBSITE: https://staging.example.com
    DAST_FULL_SCAN_ENABLED: "true"
    DAST_BROWSER_SCAN: "true"
  needs:
    - deploy-staging
  rules:
    - if: $CI_COMMIT_BRANCH == $CI_DEFAULT_BRANCH

deploy-production:
  stage: deploy-production
  image: bitnami/kubectl:latest
  script:
    - kubectl set image deployment/app app=$DOCKER_IMAGE -n production
    - kubectl rollout status deployment/app -n production --timeout=300s
  environment:
    name: production
    url: https://app.example.com
  when: manual
  rules:
    - if: $CI_COMMIT_BRANCH == $CI_DEFAULT_BRANCH

Sicherheitsgenehmigungsrichtlinien

Konfigurieren Sie Scan-Ausführungsrichtlinien, um obligatorische Sicherheitsscans durchzusetzen:

  1. Navigieren Sie zu Sicherheit & Compliance > Richtlinien
  2. Erstellen Sie eine „Scan-Ausführungsrichtlinie“, die SAST und Geheimnis-Erkennung auf allen Branches vorschreibt
  3. Erstellen Sie eine „Merge Request-Genehmigungsrichtlinie“, die die Zustimmung des Sicherheitsteams erfordert, wenn kritische Schwachstellen erkannt werden

Benutzerdefinierte SAST-Regelwerkkonfiguration

Erstellen Sie .gitlab/sast-ruleset.toml, um das Verhalten der Analysatoren anzupassen:

[semgrep]
  [[semgrep.ruleset]]
    dirs = ["src"]

  [[semgrep.passthrough]]
    type = "url"
    target = "/sgrep-rules/custom-rules.yml"
    value = "https://semgrep.dev/p/owasp-top-ten"

  [[semgrep.passthrough]]
    type = "url"
    target = "/sgrep-rules/java-rules.yml"
    value = "https://semgrep.dev/p/java"

Sicherheitsdashboard und Schwachstellenmanagement

Schwachstellenbericht

GitLab fasst alle Scannerergebnisse in einem einzigen Schwachstellenbericht zusammen, der unter Sicherheit & Compliance > Schwachstellenbericht abrufbar ist. Jede Schwachstelle enthält:

  • Schweregrad (Kritisch, Hoch, Mittel, Niedrig, Info)
  • Scannerquelle (SAST, DAST, Container, Abhängigkeit, Geheimnis)
  • Position im Quellcode oder in der Image-Ebene
  • Behebungsanleitung und empfohlene Korrekturen
  • Statusverfolgung (Erkannt, Bestätigt, Verworfen, Behoben)

Merge-Request-Sicherheitswidget

Jeder Merge Request zeigt ein Sicherheits-Scan-Widget an mit:

  • Neuen Schwachstellen, die durch den MR eingeführt wurden
  • Behobenen Schwachstellen, die durch den MR gelöst wurden
  • Vergleich mit der Basislinie des Ziel-Branches

Pipeline-Optimierung

  • Parallele Ausführung: Sicherheitsscanner laufen gleichzeitig in der Sicherheitsstufe
  • Caching: CI-Cache für Abhängigkeits-Downloads verwenden, um Scans zu beschleunigen
  • Inkrementelles Scannen: SAST kann nur geänderte Dateien scannen mit SAST_INCREMENTAL: "true"
  • Fehlerbedingungen: Setzen Sie allow_failure: false bei kritischen Scannern, um Qualitätstore durchzusetzen

Überwachung und Metriken

MetrikBeschreibungZiel
Pipeline-SicherheitsabdeckungProzentsatz der Projekte mit allen aktiven Scannern> 95 %
Kritische Schwachstellen-MTTRZeit von Erkennung bis Behebung bei kritischen Befunden< 48 Stunden
Falsch-Positiv-RateProzentsatz der als falsch-positiv verworfenen Befunde< 15 %
Geheimnis-Erkennungs-BlockrateProzentsatz der durch Push-Regeln blockierten Geheimnis-Commits> 99 %

Referenzen

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

abusing-dpapi-for-credential-access

Extract and decrypt Windows DPAPI-protected secrets (Credential Manager, browser logins/cookies, Wi-Fi credentials, KeePass keys) online or offline using SharpDPAPI, SharpChrome, Mimikatz, or Impacket

abusing-shadow-credentials-for-privesc

Take over Active Directory accounts by writing attacker-controlled public keys to msDS-KeyCredentialLink (Shadow Credentials) with pyWhisker, Whisker, or Certipy, then authenticate via PKINIT to recover the target

achieving-cmmc-level-2-compliance

>-

acquiring-disk-image-with-dd-and-dcfldd

Create forensically sound bit-for-bit disk images with dd or dcfldd on a Linux forensic workstation, preserving evidence integrity through hash verification (MD5/SHA) during acquisition. Use when imaging a suspect drive, USB device, or memory card for investigation, preserving volatile disk evidence during incident response, or producing a verified copy for legal or law-enforcement proceedings before any destructive analysis.

analyzing-active-directory-acl-abuse

Detect dangerous ACL misconfigurations in Active Directory using ldap3

analyzing-android-malware-with-apktool

Perform static analysis of Android APK malware using apktool for resource decompilation, jadx for Java source recovery, and androguard for manifest inspection, dangerous permission-combination detection, and identification of obfuscated code, dynamic code loading, and reflection-based API calls. Use to statically triage a suspicious APK without executing it or to build mobile malware detection rules.

analyzing-api-gateway-access-logs

Parses API Gateway access logs (AWS API Gateway, Kong, Nginx) to detect

analyzing-apt-group-with-mitre-navigator

Query ATT&CK data with attackcti, mitreattack-python, and stix2, then build MITRE ATT&CK Navigator layers and multi-layer heatmap overlays mapping one or more APT groups

analyzing-azure-activity-logs-for-threats

Queries Azure Monitor activity logs and sign-in logs via azure-monitor-query

analyzing-bootkit-and-rootkit-samples

Analyzes bootkit and advanced rootkit malware infecting the Master

analyzing-browser-forensics-with-hindsight

Parse Chromium-based browser databases with Hindsight to extract and correlate browsing history, downloads, cookies, cached content, autofill data, saved passwords, and extensions from Chrome, Edge, Brave, Opera, and Vivaldi into a unified timeline (XLSX, JSON, or SQLite output). Use during incident response, insider-threat investigations, or criminal cases when you need to reconstruct a user

analyzing-campaign-attribution-evidence

Systematically evaluate cyber-campaign evidence to attribute an operation to a threat actor, using the Diamond Model and Analysis of Competing Hypotheses (ACH) to weigh infrastructure overlaps, TTP consistency, malware code similarity, and timing/language artifacts into confidence-weighted attribution assessments. Use when an incident investigation needs a defensible attribution confidence level.

analyzing-certificate-transparency-for-phishing

Monitor Certificate Transparency logs using crt.sh and Certstream to

analyzing-cloud-storage-access-patterns

Detect abnormal access in AWS S3, GCS, and Azure Blob Storage by analyzing CloudTrail Data Events, GCS audit logs, and Azure Storage Analytics for after-hours bulk downloads, new-IP access, and API-call spikes (e.g. GetObject) via statistical baselines and time-series anomaly detection. Use when investigating suspected cloud data exfiltration or building related detection rules.

analyzing-cobalt-strike-beacon-configuration

Extract and analyze Cobalt Strike beacon configuration from PE files

analyzing-cobaltstrike-malleable-c2-profiles

Parse and analyze Cobalt Strike Malleable C2 profiles with dissect.cobaltstrike (profiles and beacon-payload configs) and pyMalleableC2 (AST parsing) to extract HTTP/DNS transforms, URIs, headers, sleep/jitter, and injection behavior, then generate network detection signatures. Use when reverse-engineering a captured malleable profile or building detections against Cobalt Strike Beacon traffic.

analyzing-command-and-control-communication

Analyzes malware C2 communication over HTTP, HTTPS, DNS, and custom

analyzing-cyber-kill-chain

Analyzes intrusion activity against the Lockheed Martin Cyber Kill Chain

analyzing-disk-image-with-autopsy

Perform comprehensive forensic analysis of raw (dd), E01, or AFF disk images with Autopsy and The Sleuth Kit, recovering deleted files, examining metadata and embedded artifacts, keyword searching, and building investigation timelines with visual reports. Use for structured analysis of a forensic disk image or when stakeholders need visual reports from evidence.

analyzing-dns-logs-for-exfiltration

Analyzes DNS query logs to detect data exfiltration via DNS tunneling,

Verwandte Skills