JDArmy/BREAK – Geschäftsrisiko-Enumeration & Vermeidungswissen

BREAK Wissensdatenbank Skill

BREAK (Business Risk Enumeration & Avoidance Knowledge) ist ein offenes Framework zur Erfassung und Vermeidung von Geschäftsrisiken. Es enthält 3.416 Einträge zu geschäftsbezogenen Sicherheitsrisiken, die folgende Entitätstypen umfassen:

Typ	Anzahl	ID-Format	Beschreibung
Risk (Risiko)	400	R0001, R0001-001	Definition und Auswirkungen von Geschäftsrisiken
Avoidance (Vermeidungsmaßnahme)	350	A0001, A0001-001	Abwehrmaßnahmen gegen Risiken
AttackTool (Angriffswerkzeug)	125	AT0001, AT0001-001	Von Cyberkriminellen genutzte Werkzeuge
ThreatActor (Bedrohungsakteur)	83	TA0001, TA0001-001	Personengruppen, die Angriffe durchführen
Term (Fachbegriff)	657	T0001	Fachbegriffe aus dem Bereich Geschäftssicherheit
Case (Fallbeispiel)	1.781	C0001	Reale Sicherheitsvorfälle
BusinessDomain (Geschäftsdomäne)	20	BD00	Branchen-/Geschäftsdomänen-Klassifikation

Wartungshinweis: Die Aufrufmethode dieses Skills bleibt unverändert. Die Entitätsstatistiken und Fallfakten, Quellqualität sowie Datenbeziehungen werden synchron aktualisiert.

Aufrufmethode

Führe das Suchskript mit Bash aus. Das Skript befindet sich im Skill-Verzeichnis unter dem Namen break_search.mjs.

Grundlegender Befehlsaufbau

node <skill_dir>/break_search.mjs "<query>" [options]

<skill_dir> bezeichnet das Verzeichnis, in dem sich diese SKILL.md befindet.

Parameterbeschreibung

Parameter	Beschreibung
<query>	Erforderlich. Suchbegriff, Entitäts-ID oder Problembeschreibung
`--lang zh	en`
--type <types>	Kommagetrennte Filterung der Entitätstypen (risks, avoidances, attackTools, threatActors, terms, cases)
--limit N	Maximale Anzahl an Ergebnissen pro Typ, Standard 5
--detail	Detaillierter Modus: zeigt alle Felder und Verknüpfungen an

Arbeitsablauf

Nach Erhalt einer $query-Eingabe wird der folgende Ablauf ausgeführt:

Schritt 1: Absicht des Nutzers erkennen

1. ID-Abfrage: Wenn $query dem Format einer Entitäts-ID entspricht (z. B. R0001, AT0034-001) → direkte exakte Suche
2. Stichwortsuche: $query ist ein kurzer Begriff oder Fachbegriff (z. B. „Captcha“, „DDoS“) → Suchmodus
3. Frageberatung: $query ist eine beschreibende Frage (z. B. „Unsere Website wird von Crawlern attackiert, was tun?“) → Antwortmodus

Schritt 2: Suche ausführen

ID-Abfrage

Direkt ausführen:

node <skill_dir>/break_search.mjs "<ID>" --lang zh

Gibt die vollständigen Details des Eintrags einschließlich der aufgelösten Verknüpfungen zurück. Direkt dem Nutzer präsentieren.

Stichwortsuche

node <skill_dir>/break_search.mjs "<Stichwort>" --lang zh

Für eine eingegrenzte Suche:

node <skill_dir>/break_search.mjs "<Stichwort>" --type risks,avoidances --lang zh

Die Suchergebnisse aufbereitet dem Nutzer präsentieren.

Frageberatung (Hauptszenario)

Dies ist der wichtigste Nutzungsmodus. Wenn der Nutzer ein geschäftliches Sicherheitsproblem beschreibt:

Schritt 1: Stichwörter extrahieren

Aus der Nutzerfrage 1–3 Gruppen von Suchbegriffen extrahieren. Zum Beispiel:

• „Unsere Firmenwebsite wird von Crawlern attackiert“ → Stichwörter: „Crawler“, „Datenscraping“, „Anti-Crawler“
• „Benutzerkonten werden immer wieder gestohlen“ → Stichwörter: „Kontodiebstahl“, „Credential Stuffing“, „Credential-Füllen“
• „Jemand nutzt unsere Plattform für Hundewelpen-Betrug“ → Stichwörter: „Hundewelpen-Betrug“, „Marketingbetrug“, „Cyberkriminalität“

Schritt 2: Mehrere Suchdurchläufe

Für jede Stichwortgruppe das Suchskript separat aufrufen. Kann mehrfach ausgeführt werden:

# Erster Durchlauf: Direkte Suche nach dem Problem-Stichwort
node <skill_dir>/break_search.mjs "Crawler" --lang zh

# Zweiter Durchlauf: Suche nach verwandten Risiken und Abwehrmaßnahmen
node <skill_dir>/break_search.mjs "Anti-Crawler" --type avoidances --lang zh

# Dritter Durchlauf: Bei Bedarf weitere verwandte Bereiche durchsuchen
node <skill_dir>/break_search.mjs "Datenleck" --type risks,cases --lang zh

Schritt 3: Vertiefte Abfragen

Aus den Suchergebnissen die relevantesten Eintrags-IDs identifizieren und eine exakte Abfrage für detaillierte Informationen durchführen:

# Details zum Crawler-Risiko und den zugehörigen Vermeidungsmaßnahmen ansehen
node <skill_dir>/break_search.mjs R0027 --lang zh

# Details zu einer bestimmten Vermeidungsmaßnahme ansehen
node <skill_dir>/break_search.mjs A0003 --lang zh

Schritt 4: Umfassende Antwort

Basierend auf allen abgerufenen Erkenntnissen eine strukturierte Antwort geben:

## Problemanalyse

Laut der BREAK-Wissensdatenbank beinhaltet das von Ihnen beschriebene Problem folgende Risiken:
- **[R0027] Crawler-Risiko**: ... (Definition und Beschreibung zitieren)
- **[R0027-001] xxx**: ...

## Abwehrempfehlungen

Für die oben genannten Risiken empfiehlt BREAK folgende Vermeidungsmaßnahmen:
1. **[A0003] Cloud-Crawler-Abwehr**: ... (Definition zitieren)
2. **[A0004] Ratenbegrenzung**: ...
3. ...

## Mögliche Angriffswerkzeuge

- **[AT0005] Crawler-Tool**: ...

## Verwandte Fälle

- **[C0xxx] xxx-Fall**: ...

> Vorstehende Informationen stammen aus der BREAK-Wissensdatenbank (https://break.jd.army/)

Wichtige Prinzipien

1. Immer zuerst recherchieren, dann antworten: Geschäftsicherheitsfragen nicht aus dem Gedächtnis beantworten; immer über das Suchskript die BREAK-Wissensdatenbank abfragen.
2. Quellen angeben: In der Antwort müssen konkrete BREAK-Eintrags-IDs (z. B. R0027, A0003) genannt werden.
3. Mehrere Suchdurchläufe: Wenn die Ergebnisse des ersten Durchlaufs unzureichend oder ungenau sind, mit anderen Stichwörtern erneut suchen.
4. Verknüpfungen auflösen: Nach der Identifizierung eines relevanten Risikos das avoidances-Feld auf Abwehrmaßnahmen prüfen; bei einem Angriffswerkzeug das directCauseRisks-Feld für verwandte Risiken prüfen.
5. Sprachanpassung: Wenn der Nutzer auf Chinesisch fragt, mit --lang zh suchen und auf Chinesisch antworten; umgekehrt genauso.

Dokumentations-Frische-Gate

Wenn sich das Such-/Paketskript in scripts/skill/, die exportierten Datenpakete in Chinesisch/Englisch, die Entitätsfeld-/Beziehungsstruktur, die Skill-Aufrufparameter oder das Format der Suchergebnisse ändern, müssen SKILL.md und SKILL_en.md synchron aktualisiert werden. npm run validate:docs-freshness ist in npm run validate:data integriert und blockiert, wenn relevante Änderungen ohne Skill-Dokumentationsaktualisierungen vorliegen.

Datenpflege-Änderungen wirken sich ebenfalls auf die Skill-Suchergebnisse aus. Wenn bei Cases die references/summary-Faktenvalidierung korrigiert oder bei Risks die avoidances-Beziehungen angepasst werden, sollte die englische Übersetzungsdatei synchron gewartet werden. Es sollte sicherzustellen, dass die ersten beiden Case-references möglichst auf stabile, crawlbare Seiten verweisen, damit die vom Skill zurückgegebenen Fallfakten nachvollzogen werden können.

Die Term-Klassifikation verwendet einen zentralen Registrierungsschlüssel; Klassifikationskorrekturen werden nur in der chinesischen Strukturquelle vorgenommen und die Entitätsversion synchronisiert. Skill-Suche und -Anzeige führen bei der Ausführung englische Texte zusammen, so dass category nicht in die englische Entitätsdatei geschrieben werden muss.

Das ThreatActor-Coverage-Audit vom 2026-07-10 hat neue Rollen hinzugefügt: Logistik-Schwindel, böswillige Logistikmitarbeiter, Marktmanipulation, böswilliger quantitativer Handel, AI-Agentenangriff, Plattformregelmissbrauch und Kommunikationsressourcenmissbrauch. Es verwendet audit:risk-threat-actor-coverage, um unvollständige Beziehungen von eindeutig freigestellten Risiken zu unterscheiden; dies ändert weder die Skill-Aufrufparameter, Suchfelder noch das Antwortformat.

Die ThreatActor-Referenzprüfung vom 2026-07-10 stuft Wikipedia auf sekundäre Hintergrundquelle herab, markiert allgemeine Platzhalter-Links (wie Organisations-Startseiten, Nachrichtenindizes und Forschungsübersichten) und ergänzt Belege aus Regierung, Justiz, Wissenschaft sowie originären Sicherheitsforschungsergebnissen; dies ändert weder Skill-Aufrufparameter, Suchfelder, Antwortformat noch Entitätsstruktur.

Die Entitätsgranularitätsprüfung vom 2026-07-10 hat irrelevante Term-Beziehungen von R0285 und doppelte Avoidance-Referenzen von R0159 bereinigt; diese Wartung ändert weder Skill-Aufrufparameter, Suchfelder, Antwortformat noch Entitätsstruktur.

Die Atomarisierungs-Governance vom 2026-07-10 hat A0124 in Rug Pull On-Chain-Erkennung und Verlustausgleich/Geldrückgewinnung aufgeteilt, die doppelten A0142/A0160 gelöscht und AT0093 (das nicht die Grenzen eines spezifischen Tools erfüllte) entfernt; die Beziehungen wurden auf die bestehenden atomaren Entitäten migriert, dies ändert weder Skill-Aufrufparameter noch Antwortformat.

Bei der Bereinigung von offenen Case-Fakten-Aufgaben enthält summary nur die direkt durch den Quelltext gestützten Informationen zu Subjekt, Zeit, Handlung, Maßnahme und Auswirkung; Details wie Beträge, Mengen, Urteile oder behördliche Maßnahmen, die nicht gecrawlt werden können, nur durch Titel gestützt werden oder auf nicht abgedeckte Quellen zurückgehen, sollten entweder mit einer stabilen Quelle ergänzt oder auf eine konservativere Faktenformulierung reduziert werden.

Bei der Verbesserung von Case-Referenzen mit hohem Wert sollten primär Quellen von Strafverfolgungsbehörden, Gerichten, Staatsanwaltschaften, Aufsichtsbehörden oder Herstellerankündigungen bevorzugt werden; falls keine öffentliche Originalseite verfügbar ist, sollten crawlbare Autoritätsmedien, lokale Justiz-/Polizeikanäle oder stabile Sekundärquellen mit Kreuzvalidierung verwendet werden. In der Zusammenfassung sollten Details vermieden werden, die nur durch die nicht mehr verfügbaren Originaltext gestützt werden. Wenn festgestellt wird, dass eine Originalquelle nicht verfügbar ist und mehrere Quellen bereits ausreichen, kann der Eintrag in der Aufgabenliste vermerkt werden, ohne eine Quelle zu erfinden, um das Gate zu erfüllen.

Die Case-P1-Referenzqualitätswartung vom 2026-07-09 verbessert nur die references/summary- und englischen Übersetzungen von C0066, C0130, C0248; dies ändert weder Skill-Aufrufparameter, Suchfelder, Antwortformat noch Entitätsstruktur.

Die Fallfaktenvalidierung verwendet den gecrawlten Text zur LLM-Eingabe. review-case-fact.mjs versucht zuerst, mit Scrapingdog zu crawlen. Bei Fehlschlag oder leerem Text wird auf direkten Crawl mit lokaler Verbindung zurückgegriffen, wobei UTF-8/GBK/GB18030 gemäß Seitenangabe verarbeitet wird. Bei der Wartung dieses Skripts muss sichergestellt werden, dass die zu prüfenden Abschnitte die wichtigen Textpassagen abdecken. Bei Massenbereinigung von P2-Aufgaben sollte etwa alle 100 Änderungen ein Checkpoint gesetzt, zuerst validate:data/review:changed ausgeführt werden, um ungeprüfte Änderungen über längere Zeit zu vermeiden.

Die Case-P2-Faktenvalidierung vom 2026-07-09 verbessert oder schränkt nur die Case-summary/references/englischen Übersetzungen ein; dies ändert weder Skill-Aufrufparameter, Suchfelder, Antwortformat noch Entitätsstruktur.

Der zweite Case-P2-Faktenvalidierungs-Checkpoint vom 2026-07-09 fährt mit der Konvergenz von C0249, C0310, C0401, C0588, C0595, C0635, C0687, C0697, C0705, C0715, C0753, C0755, C0766, C0796, C0797, C0803, C0805, C0819, C0821, C0833, C0948 hinsichtlich summary, incidentTime, references und englischer Übersetzung fort; dies ändert weder Skill-Aufrufparameter, Suchfelder, Antwortformat noch Entitätsstruktur.

Die C0354-Fallwartung vom 2026-07-10 ergänzt Quellen aus dem Gerichtssystem und passt die Fallkategorie an ein realitätsnäheres Sicherheitsereignis an; dies ändert weder Skill-Aufrufparameter, Suchfelder, Antwortformat noch Entitätsstruktur.

Die C0446-Fallwartung vom 2026-07-10 ergänzt den Originaltext des offiziellen WeChat-Kanals des Volksgerichts Shimen und die englische Übersetzung; dies ändert weder Skill-Aufrufparameter, Suchfelder, Antwortformat noch Entitätsstruktur.

Der dritte Case-P2-Faktenvalidierungs-Checkpoint vom 2026-07-10 fährt mit der Verbesserung oder Konvergenz der summary, references, incidentTime und englischen Übersetzung der Fälle C0463, C0521, C0522, C0558, C0565, C0571, C0577, C0579, C0593, C0630, C0642-C0720, C0728, C0735, C0744, C0749, C0772, C0781, C0785, C0791 usw. fort und ergänzt die Abdeckung von Vermeidungsmaßnahmen für R0290; dies ändert weder Skill-Aufrufparameter, Suchfelder, Antwortformat noch Entitätsstruktur.

Der vierte Case-P2-Faktenvalidierungs-Checkpoint vom 2026-07-10 fährt mit der Konvergenz der summary, incidentTime und englischen Übersetzung der Fälle C0654, C0657, C0684, C1160, C1198, C1235 fort und nimmt C0226, C0410, C0792, C0798 (die bereits durch stabile Quellen gestützt sind) in die Aufgabenliste auf; dies ändert weder Skill-Aufrufparameter, Suchfelder, Antwortformat noch Entitätsstruktur.

Die P1-Referenzqualitäts- und anschließende P2-Faktenvalidierungswartung vom 2026-07-10 verbessert die references, summary, incidentTime und englischen Übersetzungen von R0081, R0196, TA0030 sowie C0484, C0493, C0502, C0508, C0518, C0538, C0802, C0810, C0812, C0813, C0816, C0851, C0878, C0938, C0996, C1050, C1061, C1062, C1075, C1079, C1084, C1090, C1160, C1198 usw. und korrigiert synchron die Quellen- und Vermeidungsbeziehungen von A0225 und R0267; dies ändert weder Skill-Aufrufparameter, Suchfelder, Antwortformat noch Entitätsstruktur.

Die P1-Referenzqualitätsverbesserung vom 2026-07-10 ersetzt oder ergänzt autoritative Quellen für AT0076, A0124, A0270, R0168, R0177, TA0058, entfernt die schwache Forum-Quelle von R0168 und übersetzt synchron ins Englische; dies ändert weder Skill-Aufrufparameter, Suchfelder, Antwortformat noch Entitätsstruktur.

Die AI-Datenvergiftungsbeziehungsprüfung vom 2026-07-10 korrigiert die direkte Kausalität von AT0108 zu R0273, entfernt nicht relevante Vermeidungsmaßnahmen und TA0058-Fall-/Risikozuschreibungen und vereinheitlicht die Beschreibung der Schulungs-, Feedback- und Retrieval-Wissensketten von TA0058; dies ändert weder Skill-Aufrufparameter, Suchfelder, Antwortformat noch Entitätsstruktur.

Die anschließende Case-P2-Faktenvalidierungswartung vom 2026-07-10 ergänzt weiterhin crawlbare Quellen, summary, incidentTime und englische Übersetzungen für C1056, C1060, C1064, C1067, C1069, C1077, C1100, C1102 usw.; dies ändert weder Skill-Aufrufparameter, Suchfelder, Antwortformat noch Entitätsstruktur.

Der Case-P2-Faktenvalidierungs-Checkpoint vom 2026-07-10 fährt mit der Überarbeitung der summary, references, incidentTime, Beziehungen und englischen Übersetzung von C1482, C1484, C1485, C1488, C1490, C1493, C1495, C1498, C1500, C1501, C1504, C1505, C1511, C1512, C1518, C1519, C1521, C1523, C1528, C1531 fort und ergänzt eine spezialisierte Quelle für die E-Commerce-Plattform-Warenprüfstichprobe für A0222-001; dies ändert weder Skill-Aufrufparameter, Suchfelder, Antwortformat noch Entitätsstruktur.

Der P2-Bereinigungsbatch vom 2026-07-11 überarbeitet die Faktenzusammenfassung und Quellen von C1190, C1251, C1287, C1366, C1377, C1380, C1384, C1386, C1391, C1392, C1393, C1396, C1400, C1401, C1404, C1406, C1407, C1412, C1414, C1416, repariert 5 Akteurskonsistenz-Aufgaben und 5 Risiko-Vermeidungsbeziehungs-Aufgaben und fügt neue Begriffe hinzu: Human-Click-Farming, Anruf-Flut, Traceback, DEX, Privacy Coin, Zero-Shot-Stimmen-Klonen, PII, Social Engineering, Konto-Säubern, Tor; dies ändert weder Skill-Aufrufparameter, Suchfelder, Antwortformat noch Entitätsstruktur.

Die anschließende P1-Referenzqualitätswartung vom 2026-07-11 ergänzt offizielle oder ereignisspezifische Quellen für C1377, C1384, C1401, C1406, C1414, C1416 und schränkt C1384 auf eine durch die Quelle gestützte Lieferketten-Manipulationsrisiko-Darstellung ein; dies ändert weder Skill-Aufrufparameter, Suchfelder, Antwortformat noch Entitätsstruktur.

Die Referenzwartung von Begriff T0621 (Abrechnung) vom 2026-09-02 ersetzt die references von der Clearing-Zentrale der Chinesischen Volksbank (cncc.cn) durch die offizielle Seite der „Zahlungsabwicklungs-Verordnung“ (Bankenverordnung [1997] Nr. 393) der Rechtsabteilung der Chinesischen Volksbank und übersetzt synchron ins Englische; dies ändert weder Skill-Aufrufparameter, Suchfelder, Antwortformat noch Entitätsstruktur.

review:should-extract erkennt bereits abgedeckte Kandidatenentitäten anhand der title, keywords, aliases des gesamten Bestands sowie der bereits referenzierten Beziehungen der aktuellen Entität. Bei der Wartung dieses Skripts sollte darauf geachtet werden, dass Rauschen bei doppelten Extraktionsvorschlägen vermieden wird, damit keine semantisch redundanten neuen Entitäten in den Skill-Suchergebnissen erscheinen.

Entitätsbeziehungsdiagramm

Das Verständnis der Verknüpfungen zwischen Entitäten hilft, vollständigere Antworten zu geben:

ThreatActor (Wer)
    ├── buildAttackTools → AttackTool (Eigenbau-Werkzeuge)
    ├── useAttackTools → AttackTool (Verwendete Werkzeuge)
    ├── directCauseRisks → Risk (Direkt verursachte Risiken)
    └── indirectSupportRisks → Risk (Indirekt unterstützte Risiken)

AttackTool (Womit wird angegriffen)
    ├── directCauseRisks → Risk (Direkt verursachte Risiken)
    ├── indirectSupportRisks → Risk (Indirekt unterstützte Risiken)
    └── avoidances → Avoidance (Welche Abwehrmaßnahmen gibt es)

Risk (Welches Risiko)
    └── avoidances → Avoidance (Wie vermeiden)

Case (Fallbeispiel)
    ├── relatedRisks → Risk
    ├── relatedAttackTools → AttackTool
    └── relatedThreatActors → ThreatActor

Term (Fachbegriff)
    └── related* → Alle anderen Entitätstypen

BusinessDomain (Geschäftsdomäne)
    ├── riskDimensions → RiskScene (Organisiert Risikoszenarien nach Geschäftsrisikodomäne)
    └── riskScenes → Risk (Liste der Risiken innerhalb eines Szenarios; Elternrisiko kann Unterrisiken repräsentieren)