Communitygithub.com

análisis-de-fuentes-de-inteligencia-de-amenazas

Analiza fuentes de inteligencia de amenazas estructuradas y no estructuradas para extraer IOCs, normalizar formatos y enriquecer datos.

¿Qué es análisis-de-fuentes-de-inteligencia-de-amenazas?

Esta habilidad está diseñada para que agentes de IA y analistas de seguridad procesen de manera eficiente fuentes de inteligencia de amenazas comerciales, gubernamentales y OSINT (Open Source Intelligence). Su utilidad radica en automatizar la ingesta, normalización (a STIX 2.1, OpenIOC, YARA, Sigma), deduplicación y enriquecimiento de Indicadores de Compromiso (IOCs), evaluando métricas cruciales como la actualización de la fuente, la fidelidad y la relevancia para el perfil de amenazas de la organización. El flujo de trabajo integra plataformas de inteligencia de amenazas (TIPs) como ThreatConnect, MISP u OpenCTI, utilizando los protocolos TAXII 2.1 y APIs REST. Además, permite la distribución automatizada de indicadores enriquecidos hacia SIEMs, firewalls y sistemas EDR, aplicando políticas de TTL (tiempo de vida) y umbrales de confianza para evitar falsos positivos y sobrecargas operativas. La habilidad sigue las mejores prácticas de NIST SP 800-150 y evita errores comunes como la obsolescencia de IOCs y violaciones de TLP.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/analyzing-threat-intelligence-feeds

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Análisis de Fuentes de Inteligencia de Amenazas

Cuándo Usarlo

Use esta habilidad cuando:

  • Esté ingiriendo nuevas fuentes de amenazas comerciales u OSINT y evaluando su relación señal/ruido
  • Normalice formatos heterogéneos de IOC (STIX 2.1, OpenIOC, YARA, Sigma) en un esquema unificado
  • Evalúe la frescura, fidelidad y relevancia de la fuente para el perfil de amenazas de la organización
  • Construya tuberías de enriquecimiento automatizadas que correlacionen IOCs contra eventos SIEM

No use esta habilidad para análisis de captura de paquetes en crudo o triaje de incidentes en vivo sin establecer primero una línea base de CTI.

Prerrequisitos

  • Acceso a una Plataforma de Inteligencia de Amenazas (TIP) como ThreatConnect, MISP u OpenCTI
  • Claves API para al menos una fuente comercial (Recorded Future, Mandiant Advantage o VirusTotal Enterprise)
  • Librería cliente TAXII 2.1 (paquete Python taxii2-client o equivalente)
  • Rol con permisos de lectura/escritura en la base de datos de indicadores del TIP

Flujo de Trabajo

Paso 1: Enumerar y Priorizar Fuentes de Datos

Enumere todas las fuentes disponibles categorizadas por tipo (comercial, gubernamental, ISAC, OSINT):

  • Comerciales: Recorded Future, Mandiant Advantage, CrowdStrike Falcon Intelligence
  • Gubernamentales: CISA AIS (Automated Indicator Sharing), FBI InfraGard, MS-ISAC
  • OSINT: AlienVault OTX, Abuse.ch, PhishTank, Emerging Threats

Puntúe cada fuente según: frecuencia de actualización, tasa histórica de precisión, cobertura de su sector y profundidad de atribución. Use una matriz de puntuación ponderada con criterios de NIST SP 800-150 (Guía para Compartir Información de Ciberamenazas).

Paso 2: Ingesta vía TAXII 2.1 o API

Para fuentes compatibles con TAXII:

taxii2-client discover https://feed.example.com/taxii/
taxii2-client get-collection --collection-id <id> --since 2024-01-01

Para fuentes con API REST (ej. Recorded Future):

  • Consulte /v2/indicator/search con risk_score_min=65 para filtrar IOCs de baja confianza
  • Aplique limitación de tasa y retroceso exponencial para resiliencia de API

Paso 3: Normalizar a STIX 2.1

Convierta cada IOC a objetos STIX 2.1 usando el esquema estándar de OASIS:

  • Dirección IP → objeto indicator con pattern: "[ipv4-addr:value = '...']"
  • Dominio → indicator con pattern: "[domain-name:value = '...']"
  • Hash de archivo → indicator con pattern: "[file:hashes.SHA-256 = '...']"

Adjunte objetos relationship que vinculen indicadores a objetos threat-actor o malware. Use el campo confidence (0–100) basado en la calificación de fidelidad de la fuente.

Paso 4: Deduplicar y Enriquecer

Ejecute deduplicación contra la base de datos TIP existente usando el valor normalizado + tipo como clave compuesta. Enriquezca los IOCs supervivientes:

  • VirusTotal: tasa de detección, informes de comportamiento en sandbox
  • PassiveTotal (RiskIQ): historial WHOIS, DNS pasivo, cadenas de certificados SSL
  • Shodan: datos de banner, puertos abiertos, ubicación geográfica

Paso 5: Distribuir a Sistemas Consumidores

Exporte indicadores enriquecidos vía push TAXII 2.1 a SIEM (Splunk, Microsoft Sentinel), firewalls (playbooks de Palo Alto XSOAR) y plataformas EDR. Configure TTL (tiempo de vida) por tipo de indicador: direcciones IP 30 días, dominios 90 días, hashes de archivo 1 año.

Conceptos Clave

TérminoDefinición
STIX 2.1Structured Threat Information Expression — esquema JSON estándar de OASIS para objetos CTI que incluye indicadores, actores de amenaza, campañas y relaciones
TAXII 2.1Trusted Automated eXchange of Intelligence Information — protocolo basado en HTTPS para intercambiar contenido STIX entre servidores y clientes
IOCIndicator of Compromise — artefacto observable (IP, dominio, hash, URL) que indica que un sistema puede haber sido comprometido
TLPTraffic Light Protocol — clasificación codificada por colores (ROJO/ÁMBAR/VERDE/BLANCO) que define restricciones de compartición para CTI
Puntuación de ConfianzaValor numérico (0–100 en STIX) que refleja la certeza del productor sobre la atribución maliciosa de un indicador
Fidelidad de la FuenteTasa histórica de precisión de una fuente medida por la tasa de verdaderos positivos en detecciones de producción

Herramientas y Sistemas

  • ThreatConnect TC Exchange: Agrega más de 100 fuentes comerciales y OSINT; proporciona playbooks automatizados para enriquecimiento de IOCs
  • MISP (Malware Information Sharing Platform): TIP de código abierto compatible con STIX/TAXII; ampliamente utilizado por ISACs y CERTs gubernamentales
  • OpenCTI: Plataforma de código abierto con integración nativa de MITRE ATT&CK y visualización de relaciones basada en grafos
  • Recorded Future: Fuente comercial con puntuación de riesgo impulsada por IA y monitoreo en tiempo real de la dark web
  • taxii2-client: Librería Python para operaciones cliente TAXII 2.0/2.1 (pip install taxii2-client)
  • PyMISP: API Python para gestión de fuentes MISP y envío de IOCs

Errores Comunes

  • Obsolescencia de IOCs: Las direcciones IP y dominios rotan con frecuencia; aplicar IOCs de un año genera falsos positivos. Aplique políticas TTL.
  • Falta de contexto: Bloquear un IOC sin entender la campaña o adversario asociado puede interrumpir el tráfico empresarial legítimo (ej. IPs de CDN compartidas con actores maliciosos).
  • Superposición de fuentes sin deduplicación: Ingerir el mismo IOC de cinco fuentes sin deduplicación infla los recuentos de indicadores y la complejidad de las reglas SIEM.
  • Violación de TLP: Redistribuir inteligencia clasificada como ROJO fuera de los límites autorizados viola acuerdos de compartición y relaciones de confianza.
  • Bloqueo excesivo de indicadores de baja confianza: Los indicadores con confianza inferior a 50 deben activar reglas solo de detección, no de bloqueo, para evitar interrupciones operativas.

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,

Skills relacionados