Communitygithub.com

Análise de Indicadores de Compromisso

Analisa indicadores de compromisso (IOCs), incluindo endereços IP, domínios, URLs, hashes de arquivos e endereços de e-mail, enriquecendo-os com múltiplas fontes de inteligência para triagem rápida e atribuição de confiança.

O que é Análise de Indicadores de Compromisso?

Esta skill automatiza o processo de triagem e enriquecimento de Indicadores de Compromisso (IOCs) — como IPs, domínios, URLs, hashes de arquivos e e-mails — para equipes de segurança que precisam de respostas rápidas a incidentes ou alimentam feeds de bloqueio automatizados. Ela se integra diretamente com APIs como VirusTotal, AbuseIPDB, MalwareBazaar e MISP, permitindo que o usuário normalize, enriqueça e pontue a confiança de cada IOC em um fluxo de trabalho de cinco etapas. A principal vantagem é reduzir decisões manuais repetitivas e aplicar critérios objetivos para bloquear, monitorar ou ignorar indicadores, mas a skill também alerta para armadilhas comuns, como bloqueio de infraestrutura compartilhada (CDNs) e obsessão por pontuação de antivírus no VirusTotal. Ideal para plataformas SOAR, scripts Python ou ferramentas como Claude Code, ela segue as melhores práticas de defanging e expiração de IOCs, garantindo que as decisões de bloqueio sejam rápidas, porém contextualizadas.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/analyzing-indicators-of-compromise

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

O que Análise de Indicadores de Compromisso faz?

Quando Usar

Use esta habilidade quando:

  • Um e-mail de phishing ou alerta gerar IOCs (URLs, endereços IP, hashes de arquivos) que exigem triagem rápida
  • Feeds automatizados entregarem IOCs em lote que precisam de pontuação de confiança antes da ingestão em controles de bloqueio
  • Uma investigação de incidente exigir enriquecimento contextual de artefatos de rede observados

Não use esta habilidade isoladamente para decisões de bloqueio de alto risco — sempre combine o enriquecimento automatizado com o julgamento do analista, especialmente para infraestrutura compartilhada (CDNs, provedores de nuvem).

Pré-requisitos

  • Chave da API VirusTotal (gratuita ou Enterprise) para consulta multi-AV e sandbox
  • Chave da API AbuseIPDB para verificações de reputação de IP
  • Instância MISP ou TIP para referência cruzada com campanhas conhecidas
  • Python com as bibliotecas requests e vt-py, ou plataforma SOAR com conectores pré-construídos

Fluxo de Trabalho

Etapa 1: Normalizar e Classificar Tipos de IOC

Antes de enriquecer, classifique cada IOC:

  • Endereço IPv4/IPv6: Verificar se é privado RFC 1918 (pular enriquecimento externo), validar formato
  • Domínio/FQDN: Desarmar para manuseio seguro (evil[.]com), extrair domínio registrado via tldextract
  • URL: Extrair domínio + caminho separadamente; verificar redirecionadores
  • Hash de arquivo: Identificar o tipo de hash (MD5/SHA-1/SHA-256); preferir SHA-256 para unicidade
  • Endereço de e-mail: Dividir em domínio (verificar MX/DMARC) e parte local para análise de padrões

Desarme os IOCs na documentação (substitua . por [.] e :// por [://]) para evitar cliques acidentais.

Etapa 2: Enriquecimento Multi-Fonte

VirusTotal (hash de arquivo, URL, IP, domínio):

import vt

client = vt.Client("SUA_CHAVE_VT")

# Consulta de hash de arquivo
file_obj = client.get_object(f"/files/{sha256_hash}")
detections = file_obj.last_analysis_stats
print(f"Malicioso: {detections['malicious']}/{sum(detections.values())}")

# Análise de domínio
domain_obj = client.get_object(f"/domains/{dominio}")
print(domain_obj.last_analysis_stats)
print(domain_obj.reputation)
client.close()

AbuseIPDB (endereços IP):

import requests

response = requests.get(
    "https://api.abuseipdb.com/api/v2/check",
    headers={"Key": "SUA_CHAVE", "Accept": "application/json"},
    params={"ipAddress": "1.2.3.4", "maxAgeInDays": 90}
)
data = response.json()["data"]
print(f"Confiança: {data['abuseConfidenceScore']}%, Relatórios: {data['totalReports']}")

MalwareBazaar (hashes de arquivos):

response = requests.post(
    "https://mb-api.abuse.ch/api/v1/",
    data={"query": "get_info", "hash": sha256_hash}
)
result = response.json()
if result["query_status"] == "ok":
    print(result["data"][0]["tags"], result["data"][0]["signature"])

Etapa 3: Contextualizar com Atribuição de Campanha

Consulte MISP para eventos existentes que correspondam ao IOC:

from pymisp import PyMISP

misp = PyMISP("https://misp.example.com", "API_KEY")
results = misp.search(value="dominio-malicioso.com", type_attribute="domain")
for event in results:
    print(event["Event"]["info"], event["Event"]["threat_level_id"])

Verifique o Shodan para contexto do IP (provedor de hospedagem, portas abertas, banners) para identificar se o IP pertence a hospedagem antiderrubada ou a um provedor de nuvem legítimo (risco de falso positivo).

Etapa 4: Atribuir Pontuação de Confiança e Disposição

Aplique um framework de decisão em níveis:

  • Bloquear (Alta Confiança ≥ 70%): ≥15 detecções de AV no VT, score AbuseIPDB ≥70, corresponde a família de malware ou campanha conhecida
  • Monitorar/Alerta (Média 40–69%): 5–14 detecções de AV, score AbuseIPDB moderado, sem atribuição de campanha
  • Lista de permissão/Investigar (Baixa <40%): ≤4 detecções de AV, nenhum relatório de abuso, serviço legítimo (IPs de CDN Google, Cloudflare)
  • Falso Positivo: Serviço comercial legítimo sinalizado incorretamente; documentar e excluir de alertas futuros

Etapa 5: Documentar e Distribuir

Registre as descobertas no TIP/MISP com:

  • Todos os dados de enriquecimento coletados (carimbos de data/hora, fonte, pontuação)
  • Decisão de disposição e justificativa
  • Ações de bloqueio tomadas (firewall, proxy, DNS sinkhole)
  • Número do ticket do incidente relacionado

Exportar para objeto de indicador STIX com o campo de confiança configurado adequadamente.

Conceitos Chave

TermoDefinição
IOCIndicador de Compromisso — artefato observável de rede ou host que indica possível comprometimento
EnriquecimentoProcesso de adicionar dados contextuais a um IOC bruto a partir de múltiplas fontes de inteligência
DesarmamentoModificação de IOCs (substituindo . por [.]) para evitar ativação acidental em documentação
Taxa de Falso PositivoPercentual de artefatos benignos sinalizados incorretamente como maliciosos; crítico para ajustar limites de bloqueio
SinkholeServidor DNS que redireciona consultas de domínios maliciosos para um IP benigno para detecção sem bloquear totalmente o tráfego
TTLTempo de vida de um IOC em controles de bloqueio; indicadores IP devem expirar após 30 dias, domínios após 90 dias

Ferramentas e Sistemas

  • VirusTotal: Scanner de malware multi-mecanismo e plataforma de inteligência de ameaças com mais de 70 mecanismos AV, relatórios de sandbox e comentários da comunidade
  • AbuseIPDB: Banco de dados de reputação de IP mantido pela comunidade com histórico de relatórios de abuso de 90 dias
  • MalwareBazaar (abuse.ch): Repositório gratuito de hashes de malware com associações de regras YARA e rotulagem de família de malware
  • URLScan.io: Serviço gratuito de análise de URL que captura screenshots, DOM e requisições de rede para triagem de URLs de phishing
  • Shodan: Dados de varredura de Internet em escala global que fornecem provedor de hospedagem, portas abertas e informações de banner para enriquecimento de IP

Armadilhas Comuns

  • Bloqueio de infraestrutura compartilhada: IPs de CDN (Cloudflare 104.21.x.x, AWS CloudFront) podem hospedar conteúdo malicioso legitimamente, mas bloquear o IP interrompe milhares de sites legítimos.
  • Obsessão por pontuação do VT: Baixa contagem de detecção no VT não significa benigno — malware zero-day e ferramentas APT personalizadas frequentemente pontuam 0 inicialmente. Verifique comportamento em sandbox, MISP e DNS passivo.
  • Falta de desarmamento: Colar IOCs vivos em e-mails ou documentos do Confluence pode acionar scanners de URL automatizados ou ferramentas de phishing.
  • Sem política de expiração: IOCs sem TTL se acumulam em listas de bloqueio indefinidamente, gerando falsos positivos à medida que a infraestrutura é reaproveitada por usuários legítimos.
  • Dependência excessiva de uma única fonte: VirusTotal agrega opiniões de AV — todas podem estar erradas ou atrasadas em relação a malware emergente. Use 3+ fontes independentes para decisões de alto risco.

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,

Habilidades Relacionadas