Communitygithub.com

악성코드 침해사고 대응 커뮤니케이션 템플릿 구축

랜섬웨어, 와이퍼 등 악성코드 침해사고 발생 시 조직 내외부의 체계적인 커뮤니케이션을 위한 템플릿을 구축합니다.

악성코드 침해사고 대응 커뮤니케이션 템플릿 구축란 무엇인가요?

이 스킬은 악성코드 침해사고 발생 시 효과적인 커뮤니케이션을 위한 구조화된 템플릿 모음을 제공합니다. 내부 초기 통지, 임원 브리핑, IT팀 기술 자문, 규제 기관 통지, 고객/대중 공지 등 5가지 템플릿을 포함하며, 각 템플릿은 심각도(P1~P4)별 알림 일정과 대상자를 명확히 정의합니다. 이 프레임워크는 랜섬웨어, 와이퍼, 트로이 목마, 웜 등 다양한 악성코드 유형을 수용하며, 심각도에 따라 에스컬레이션 속도와 커뮤니케이션 채널(암호화 메시징, 보안 이메일, 전화 등)을 차등화합니다. 또한 NIST SP 800-61 Rev 2, GDPR 제33조, SANS 침해사고 대응 핸드북 등 업계 표준을 참조하여 규정 준수를 지원하며, 효과적인 팀 협업과 대응 조정을 위한 커뮤니케이션 워크플로우와 에스컬레이션 매트릭스도 함께 제공합니다.

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/building-malware-incident-communication-template

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

악성코드 침해사고 대응 커뮤니케이션 템플릿 구축은(는) 무엇을 하나요?

개요

악성코드 침해사고 중 효과적인 커뮤니케이션은 조직적 대응, 이해관계자 관리, 규제 준수에 매우 중요합니다. 구조화된 커뮤니케이션 프레임워크는 적절한 사람이 적시에 적절한 정보를 받도록 보장하여, 투명성을 유지하면서 당황을 방지합니다. 커뮤니케이션 템플릿은 내부 에스컬레이션, 임원 브리핑, IT팀을 위한 기술 자문, 고객 통지, 규제 공개, 미디어 성명을 포괄해야 합니다. 프레임워크는 다양한 악성코드 유형(랜섬웨어, 와이퍼, 트로이 목마, 웜)과 에스컬레이션 속도 및 대상을 결정하는 심각도 수준을 고려해야 합니다.

사용 시기

  • 환경에서 악성코드 침해사고 대응 커뮤니케이션 템플릿 기능을 배포하거나 구성할 때
  • 규정 준수 요구사항에 맞춘 보안 통제를 수립할 때
  • 이 도메인의 보안 아키텍처를 구축하거나 개선할 때
  • 이 구현이 필요한 보안 평가를 수행할 때

전제 조건

  • 침해사고 대응 개념과 도구에 대한 친숙함
  • 안전한 실행을 위한 테스트 또는 랩 환경 접근 권한
  • 필요한 종속성이 설치된 Python 3.8+
  • 모든 테스트 활동에 대한 적절한 승인

커뮤니케이션 프레임워크

심각도 분류

심각도설명알림 일정대상자
P1 - 심각비즈니스 운영에 영향을 미치는 랜섬웨어, 와이퍼 또는 광범위한 감염15분 이내CISO, CEO, 법무, 이사회(해당 시)
P2 - 높음중요 시스템 대상 악성코드, 데이터 유출 의심1시간 이내CISO, IT 디렉터, 법무
P3 - 중간격리된 악성코드 감염, 제한적 확산4시간 이내보안 관리자, IT 디렉터
P4 - 낮음단일 엔드포인트 감염, 신속히 격리됨24시간 이내보안 팀 리드

커뮤니케이션 채널

채널사용 사례보안 수준
대역 외 전화 통화초기 심각 알림최고
암호화 메시징(Signal)실시간 IR 팀 조정높음
보안 이메일(암호화)공식 통지, 문서화높음
전쟁실(물리적/가상)지속적 침해사고 조정중간
침해사고 티켓팅 시스템상태 추적 및 문서화중간
회사 인트라넷광범위한 직원 커뮤니케이션표준

템플릿 1: 초기 침해사고 통지(내부)

제목: [심각도] 악성코드 침해사고 - 초기 통지 - [날짜/시간 UTC]

분류: 기밀 - IR 팀 전용

침해사고 ID: IR-[년도]-[번호]
탐지 시간: [YYYY-MM-DD HH:MM UTC]
통지 시간: [YYYY-MM-DD HH:MM UTC]
심각도: [P1/P2/P3/P4]

요약:
[부서/위치]에서 [개수]개 시스템에 영향을 미치는 악성코드 침해사고가
탐지되었습니다. 악성코드는 [알려짐/알려지지 않음] 특성을 가진
[유형]으로 식별되었습니다.

현재 영향:
- 영향받은 시스템: [개수 및 설명]
- 영향받은 업무 기능: [목록]
- 위험에 처한 데이터: [설명]
- 현재 확산 상태: [격리됨/확산 중/알 수 없음]

취해진 즉시 조치:
1. [조치 - 예: 영향받은 엔드포인트 네트워크 차단]
2. [조치 - 예: EDR 차단 정책 활성화]
3. [조치 - 예: 보안 팀 동원]

다음 단계:
1. [계획된 조치 및 일정]
2. [계획된 조치 및 일정]

침해사고 지휘관: [이름]
연락처: [전화/암호화 채널]

다음 업데이트: [시간] 또는 상황 변동 시 더 일찍

---
이 통지를 IR 팀 외부로 전달하지 마십시오.

템플릿 2: 임원 브리핑

제목: 임원 브리핑 - 악성코드 침해사고 IR-[년도]-[번호]

대상: [CEO / CISO / CIO / 이사회]
발신: [침해사고 지휘관]
날짜: [날짜]
업데이트: [#]

상황 요약:
[비즈니스 용어로 침해사고를 설명하는 2-3문장]

비즈니스 영향:
- 매출 영향: [추정됨/없음/평가 중]
- 운영 영향: [설명]
- 고객 영향: [설명]
- 규제 영향: [설명]

현재 상태: [탐지됨 / 격리됨 / 제거 중 / 복구 중]

필요한 주요 결정:
1. [맥락과 권고사항이 포함된 결정]
2. [맥락과 권고사항이 포함된 결정]

타임라인:
- [시간]: 침해사고 탐지
- [시간]: 격리 시작
- [시간]: [이정표]
- [시간]: 예상 복구 시간(알고 있는 경우)

외부 커뮤니케이션 상태:
- 규제 기관 통지: [필요/제출됨/필요 없음]
- 고객 통지: [필요/계획됨/필요 없음]
- 법 집행 기관: [참여/계획됨/해당 없음]

리소스 요구사항:
- [필요한 리소스 - 예: 외부 IR 회사 참여]
- [필요한 리소스 - 예: 재구축을 위한 추가 하드웨어]

다음 업데이트: [시간]

템플릿 3: IT팀 대상 기술 자문

제목: 기술 자문 - [악성코드 이름] - 즉시 조치 필요

심각도: [심각/높음/중간]
날짜: [날짜/시간 UTC]
자문 ID: TA-[년도]-[번호]

위협 설명:
[악성코드, 행동 및 침해지표에 대한 기술적 설명]

영향받은 시스템:
- 운영 체제: [목록]
- 애플리케이션: [목록]
- 네트워크 세그먼트: [목록]

침해 지표(IoC):
파일 해시:
  MD5: [해시]
  SHA256: [해시]

파일 이름:
  [파일 이름]

네트워크 지표:
  C2 도메인: [도메인]
  C2 IP: [IP 주소]
  사용자 에이전트: [문자열]

레지스트리 키:
  [레지스트리 경로]

탐지 방법:
- EDR: [탐지 규칙/시그니처]
- SIEM: [상관 관계 규칙]
- 네트워크: [IDS/IPS 시그니처]

필요한 조치:
우선순위 1(즉시):
  [ ] 방화벽/프록시에서 IoC 차단
  [ ] EDR 차단 규칙 푸시
  [ ] 모든 엔드포인트 IoC 스캔

우선순위 2(4시간 이내):
  [ ] 패치 적용 [KB/CVE 번호]
  [ ] 안티바이러스 시그니처 업데이트
  [ ] 과거 지표에 대한 로그 검토

우선순위 3(24시간 이내):
  [ ] 전사적 헌트 수행
  [ ] 백업 무결성 검증
  [ ] 탐지 규칙 업데이트

연락처: SOC - [전화] | 보안 엔지니어링 - [전화]

템플릿 4: 규제 기관 통지

[조직 레터헤드]

[규제 기관]
[주소]

날짜: [날짜]

제목: 데이터 보안 침해사고 통지 - [참조 번호]

[직함/이름] 귀하,

[규정 - 예: GDPR 제33조, 주 데이터 유출 통지법]에 따라,
[조직]은 데이터 보안 침해사고를 통지합니다.

침해사고 요약:
[날짜]에 [조직]은 [데이터 유형]이 포함된 시스템에 영향을 미치는
악성코드 침해사고를 탐지했습니다. 침해사고는 [탐지 방법]을 통해
발견되었습니다.

잠재적으로 영향받은 데이터:
- 데이터 유형: [개인 데이터, 금융, 건강 등]
- 개인 수: [개수 또는 추정치]
- 개인 범주: [고객, 직원 등]

타임라인:
- [날짜]: 침해사고 발생(추정)
- [날짜]: 침해사고 탐지
- [날짜]: 격리 완료
- [날짜]: 본 통지

취해진 조치:
1. [격리 조치]
2. [조사 조치]
3. [시정 조치]

악영향 완화 조치:
1. [완화 - 예: 신용 모니터링 제공]
2. [완화 - 예: 비밀번호 재설정 시행]

연락처 정보:
[DPO/개인정보보호 책임자 이름]
[직함]
[이메일]
[전화]

경의를 표하며,
[서명자]
[직함]

템플릿 5: 고객/대중 공지

제목: [조직]의 중요한 보안 공지

[고객/사용자]님께,

귀하의 정보에 영향을 미칠 수 있는 보안 침해사고에 대해 알려드립니다.

무슨 일이 있었나요:
[날짜]에 당사 시스템에서 악성 소프트웨어를 포함한 무단 활동을
탐지했습니다. 즉시 침해사고 대응 절차를 활성화하고 주요 사이버 보안
전문가를 참여시켜 조사하고 있습니다.

어떤 정보가 관련되었나요:
조사 결과, 다음 유형의 정보가 영향받을 수 있습니다: [목록 - 예: 이름, 이메일 주소 등]

당사가 하는 일:
- 침해사고를 격리하고 악성 소프트웨어를 제거했습니다
- [포렌식 회사]를 참여시켜 철저한 조사를 수행하고 있습니다
- 유사한 사고를 방지하기 위해 보안 통제를 강화했습니다
- 관련 규제 당국에 통지했습니다

귀하가 할 수 있는 일:
- [조직] 계정의 비밀번호를 변경하세요
- 아직 활성화하지 않았다면 다중 인증을 활성화하세요
- 계정에서 비정상적인 활동을 모니터링하세요
- [추가 특정 권장사항]

추가 리소스:
- [전담 지원 라인]
- [FAQ 페이지 URL]
- [신용 모니터링 등록 - 해당 시]

이로 인해 발생할 수 있는 우려에 대해 진심으로 사과드리며, 귀하의 정보를
보호하기 위해 최선을 다하겠습니다.

[서명자]
[직함]

커뮤니케이션 워크플로우

에스컬레이션 매트릭스

악성코드 탐지
  |
  v
[심각도 분류: P1/P2/P3/P4]
  |
  |-- P1: 15분 이내 통지
  |     |-- 침해사고 지휘관
  |     |-- CISO(전화 통화)
  |     |-- CEO(전화 통화)
  |     |-- 법무 자문
  |     |-- 외부 IR 회사
  |     |-- 법 집행 기관(해당 시)
  |
  |-- P2: 1시간 이내 통지
  |     |-- CISO
  |     |-- IT 디렉터
  |     |-- 법무 자문
  |
  |-- P3: 4시간 이내 통지
  |     |-- 보안 관리자
  |     |-- IT 디렉터
  |
  |-- P4: 24시간 이내 통지
        |-- 보안 팀 리드

참고 자료

  • NIST SP 800-61 Rev 2: 침해사고 커뮤니케이션 지침
  • GDPR 제33조: 데이터 유출 통지 요구사항
  • SANS 침해사고 대응 핸드북: 커뮤니케이션 모범 사례
  • CISA 침해사고 보고 지침

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,

관련 스킬