Communitygithub.com

auditoria-cloud-com-benchmarks-cis

Audite ambientes AWS, Azure e GCP em relação aos CIS Foundations Benchmarks executando varreduras automatizadas com ferramentas como Prowler e ScoutSuite, interpretando controles com falha e rastreando correção para conformidade contínua.

O que é auditoria-cloud-com-benchmarks-cis?

Esta habilidade permite auditar ambientes em nuvem (AWS, Azure, GCP) contra os benchmarks CIS Foundations, usando ferramentas automatizadas como Prowler e ScoutSuite. Ela é ideal para auditorias de segurança, preparação para SOC 2, ISO 27001 ou certificações que referenciam controles CIS, e para estabelecer uma linha de base de segurança mensurável. O fluxo de trabalho orienta desde a seleção da versão correta do benchmark (CIS v5.0 AWS, v4.0 Azure, v4.0 GCP) até a execução das varreduras, interpretação dos resultados com scripts jq, correção de controles com falha (comandos AWS CLI, Azure CLI) e configuração de monitoramento contínuo com AWS Security Hub, Azure Policy ou GCP Security Command Center. A habilidade inclui exemplos práticos, cenários comuns como auditoria pré-SOC 2, e um formato de relatório detalhado que mostra pontuação de conformidade por seção e prioridades de correção.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/auditing-cloud-with-cis-benchmarks

Perguntar na sua IA favorita

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

Documentação

Auditing Cloud with CIS Benchmarks

When to Use

  • Ao realizar auditorias de segurança iniciais de ambientes cloud em relação a benchmarks padrão do setor
  • Ao se preparar para auditorias SOC 2, ISO 27001 ou regulatórias que referenciam controles CIS
  • Ao estabelecer uma linha de base de segurança mensurável para novas contas ou assinaturas cloud
  • Ao monitorar a melhoria da conformidade ao longo do tempo com reavaliações periódicas
  • Ao avaliar a postura de segurança de ambientes cloud adquiridos ou herdados

Não use para detecção de ameaças em tempo de execução (veja detecting-cloud-threats-with-guardduty), para testes de segurança em nível de aplicação (veja conducting-cloud-penetration-testing) ou para frameworks de conformidade que não sejam baseados em CIS (consulte arquivos de habilidade regulatória específicos).

Prerequisites

  • Acesso somente leitura às contas cloud alvo (política AWS SecurityAudit, função Azure Reader, função GCP Viewer)
  • Prowler, ScoutSuite ou ferramentas CSPM nativas da nuvem instaladas e configuradas
  • Compreensão da estrutura do CIS benchmark: seções, controles, perfis (Nível 1 e Nível 2)
  • Acesso de correção para implementar correções (separado das credenciais de auditoria)

Workflow

Step 1: Selecione a Versão Apropriada do CIS Benchmark

Escolha a versão correta do benchmark para cada provedor cloud. As versões atuais em 2025 incluem CIS AWS Foundations Benchmark v5.0, CIS Azure Foundations Benchmark v4.0 e CIS GCP Foundations Benchmark v4.0.

Áreas de Cobertura do CIS Benchmark:
+---------------------------+--------------------------+--------------------------+
| Seção                     | AWS v5.0                 | Azure v4.0              |
+---------------------------+--------------------------+--------------------------+
| Identidade e Acesso       | Políticas IAM, MFA, root | Azure AD, RBAC, PIM     |
| Logging                   | CloudTrail, Config       | Activity Log, Diag      |
| Monitoramento             | Alarmes CloudWatch       | Defender, Sentinel      |
| Redes                     | VPC, SG, NACLs          | NSG, ASG, Firewall      |
| Armazenamento             | Criptografia S3, acesso  | Criptografia Storage    |
| Banco de Dados            | Criptografia RDS         | SQL TDE, auditoria      |
+---------------------------+--------------------------+--------------------------+

Níveis de Perfil CIS:
  Nível 1: Configurações de segurança práticas que podem ser implementadas sem impacto
           significativo no desempenho ou funcionalidade reduzida
  Nível 2: Configurações de defesa em profundidade que podem reduzir a funcionalidade ou exigir
           planejamento adicional para implementação

Step 2: Execute Avaliação Automatizada com Prowler

Execute varreduras abrangentes do CIS benchmark usando o Prowler para avaliação automatizada de controles em AWS, Azure e GCP.

# Avaliação AWS CIS v5.0
prowler aws \
  --compliance cis_5.0_aws \
  --profile audit-account \
  --output-formats json-ocsf,html,csv \
  --output-directory ./cis-audit-$(date +%Y%m%d)

# Avaliação Azure CIS v4.0
prowler azure \
  --compliance cis_4.0_azure \
  --subscription-ids "sub-id-1,sub-id-2" \
  --output-formats json-ocsf,html,csv \
  --output-directory ./cis-audit-azure-$(date +%Y%m%d)

# Avaliação GCP CIS v4.0
prowler gcp \
  --compliance cis_4.0_gcp \
  --project-ids "project-1,project-2" \
  --output-formats json-ocsf,html,csv \
  --output-directory ./cis-audit-gcp-$(date +%Y%m%d)

# Varredura multi-conta AWS usando ScoutSuite
scout suite aws \
  --profile audit-account \
  --report-dir ./scout-report \
  --ruleset cis-5.0 \
  --force

Step 3: Interprete os Resultados e Priorize a Correção

Analise os resultados da auditoria por seção e gravidade. Priorize primeiro os controles de Nível 1, pois representam higiene de segurança fundamental, depois aborde os controles de Nível 2 para defesa em profundidade.

# Analise os resultados do Prowler para controles com falha
cat ./cis-audit-*/prowler-output-*.json | \
  jq '[.[] | select(.StatusExtended == "FAIL")] | group_by(.CheckID) |
  map({control: .[0].CheckID, description: .[0].CheckTitle,
  failed_resources: length, severity: .[0].Severity}) |
  sort_by(-.failed_resources)'

# Gere pontuação de conformidade por seção
cat ./cis-audit-*/prowler-output-*.json | \
  jq 'group_by(.Section) | map({
    section: .[0].Section,
    total: length,
    passed: [.[] | select(.StatusExtended == "PASS")] | length,
    failed: [.[] | select(.StatusExtended == "FAIL")] | length,
    score: (([.[] | select(.StatusExtended == "PASS")] | length) / length * 100 | round)
  })'

Step 4: Corrija Controles Críticos e Altos

Aborde controles com falha começando pelos itens de maior impacto. Use AWS Config remediation, Azure Policy ou Terraform para aplicar correções sistematicamente.

# CIS 1.4: Garanta que não exista chave de acesso da conta root
aws iam list-access-keys --user-name root
# Se existirem chaves, exclua-as
aws iam delete-access-key --user-name root --access-key-id AKIAEXAMPLE

# CIS 2.1.1: Garanta que a criptografia padrão de bucket S3 esteja ativada
for bucket in $(aws s3api list-buckets --query 'Buckets[*].Name' --output text); do
  aws s3api put-bucket-encryption --bucket "$bucket" \
    --server-side-encryption-configuration '{
      "Rules": [{"ApplyServerSideEncryptionByDefault": {"SSEAlgorithm": "AES256"}}]
    }' 2>/dev/null && echo "Criptografado: $bucket" || echo "FALHA: $bucket"
done

# CIS 3.1: Garanta que o CloudTrail esteja ativado em todas as regiões
aws cloudtrail create-trail \
  --name organization-trail \
  --s3-bucket-name cloudtrail-logs-bucket \
  --is-multi-region-trail \
  --enable-log-file-validation \
  --kms-key-id arn:aws:kms:us-east-1:123456789012:key/key-id

aws cloudtrail start-logging --name organization-trail

# CIS 4.x: Configure filtros de métrica e alarmes do CloudWatch
aws logs put-metric-filter \
  --log-group-name CloudTrail/DefaultLogGroup \
  --filter-name UnauthorizedAPICalls \
  --filter-pattern '{ ($.errorCode = "*UnauthorizedAccess*") || ($.errorCode = "AccessDenied*") }' \
  --metric-transformations metricName=UnauthorizedAPICalls,metricNamespace=CISBenchmark,metricValue=1

Step 5: Estabeleça Monitoramento Contínuo de Conformidade

Implante monitoramento automatizado de conformidade para detectar desvios de configuração entre auditorias periódicas. Use AWS Security Hub, Azure Policy ou GCP Security Command Center.

# AWS: Ative o CIS v5.0 no Security Hub
aws securityhub batch-enable-standards \
  --standards-subscription-requests '[
    {"StandardsArn": "arn:aws:securityhub:::ruleset/cis-aws-foundations-benchmark/v/5.0.0"}
  ]'

# Azure: Atribua a iniciativa de política CIS benchmark
az policy assignment create \
  --name cis-azure-benchmark \
  --scope "/subscriptions/<sub-id>" \
  --policy-set-definition "1a5bb27d-173f-493e-9568-eb56638dbd0e" \
  --params '{"effect": {"value": "AuditIfNotExists"}}'

# Agende avaliações periódicas do Prowler
# Execute semanalmente via cron ou pipeline CI/CD
0 2 * * 1 prowler aws --compliance cis_5.0_aws --output-formats csv --output-directory /opt/audits/weekly-$(date +\%Y\%m\%d)

Key Concepts

TermoDefinição
CIS BenchmarkDiretrizes prescritivas de configuração de segurança desenvolvidas pelo Center for Internet Security por meio de consenso comunitário
Perfil Nível 1Controles de segurança práticos implementáveis sem impacto significativo no desempenho ou funcionalidade, representando higiene de segurança
Perfil Nível 2Controles de defesa em profundidade que podem restringir a funcionalidade e exigir planejamento cuidadoso antes da implementação
Foundations BenchmarkBenchmark CIS especificamente para provedores cloud, cobrindo segurança de IAM, logging, monitoramento, redes e armazenamento
ID do ControleIdentificador numérico único para cada recomendação CIS (ex.: 1.4 para verificação de chave de acesso root, 2.1.1 para criptografia S3)
Pontuação de ConformidadePorcentagem de controles CIS em estado aprovado, rastreada ao longo do tempo para medir a melhoria da postura de segurança
Avaliação AutomatizadaAvaliação orientada por ferramentas de controles CIS usando APIs do provedor cloud para verificar configurações de recursos em relação aos requisitos do benchmark
Runbook de CorreçãoProcedimento documentado passo a passo para corrigir um controle CIS com falha específico, incluindo pré-verificações e validação

Tools & Systems

  • Prowler: Ferramenta de segurança cloud de código aberto que realiza mais de 300 verificações, incluindo avaliações CIS benchmark para AWS, Azure e GCP
  • ScoutSuite: Ferramenta de auditoria de segurança multi-cloud com conjuntos de regras CIS benchmark que geram relatórios HTML
  • AWS Security Hub: Serviço nativo da AWS que suporta o CIS AWS Foundations Benchmark como padrão de segurança
  • Azure Policy: Serviço de governança com iniciativas de política CIS benchmark integradas para monitoramento automatizado de conformidade
  • GCP Security Command Center: Serviço nativo do GCP que avalia configurações em relação ao CIS GCP Foundations Benchmark

Common Scenarios

Scenario: Avaliação Pré-Auditoria CIS para Certificação SOC 2

Contexto: Uma empresa SaaS buscando certificação SOC 2 Tipo II precisa demonstrar controles de segurança cloud alinhados aos benchmarks CIS. O auditor exige evidências de monitoramento contínuo de conformidade em 45 contas AWS.

Abordagem:

  1. Execute avaliação Prowler CIS v5.0 em todas as 45 contas para estabelecer a pontuação de conformidade inicial
  2. Exporte os resultados para CSV e categorize as falhas por seção (IAM, Logging, Monitoramento, Redes)
  3. Mapeie cada controle CIS para os Critérios de Serviço SOC 2 relevantes (CC6.1, CC6.6, CC7.1, etc.)
  4. Corrija todas as falhas de controle de Nível 1 em até 30 dias e de Nível 2 em até 60 dias
  5. Ative o CIS v5.0 no AWS Security Hub para monitoramento contínuo e detecção automatizada de desvios
  6. Gere relatórios semanais de conformidade mostrando a trajetória de melhoria para o auditor
  7. Documente exceções para controles intencionalmente não implementados com justificativa de aceitação de risco

Armadilhas: Corrigir controles sem testar em um ambiente de staging primeiro pode interromper cargas de trabalho de produção. Ignorar controles de Nível 2 enfraquece a narrativa da auditoria, mesmo que não sejam estritamente necessários.

Output Format

Relatório de Auditoria CIS Benchmark
==========================================
Provedor Cloud: AWS
Versão do Benchmark: CIS AWS Foundations Benchmark v5.0
Contas Avaliadas: 45
Data da Avaliação: 2025-02-23
Ferramenta: Prowler v4.3.0

PONTUAÇÃO GERAL DE CONFORMIDADE: 74%

CONFORMIDADE POR SEÇÃO:
  1. Gerenciamento de Identidade e Acesso:  68% (41/60 controles aprovados)
  2. Armazenamento:                         82% (28/34 controles aprovados)
  3. Logging:                               91% (20/22 controles aprovados)
  4. Monitoramento:                         55% (18/33 controles aprovados)
  5. Redes:                                 78% (32/41 controles aprovados)

PRINCIPAIS CONTROLES COM FALHA (por contas afetadas):
  [1.4]   Conta root tem chaves de acesso ativas             - 3/45 contas
  [1.5]   MFA não ativado para conta root                    - 2/45 contas
  [2.1.1] Criptografia padrão S3 não ativada                 - 12/45 contas
  [3.1]   CloudTrail não multi-região                        - 8/45 contas
  [4.3]   Nenhum alarme para uso da conta root               - 28/45 contas
  [5.1]   Logs de fluxo VPC não ativados                     - 15/45 contas
  [5.4]   Grupos de segurança permitem 0.0.0.0/0 de entrada  - 22/45 contas

PRIORIDADE DE CORREÇÃO:
  Crítica (Corrigir em 7 dias):    Chaves de acesso root, MFA root ausente
  Alta (Corrigir em 30 dias):      Criptografia S3, CloudTrail, logs de fluxo VPC
  Média (Corrigir em 60 dias):     Alarmes CloudWatch, restrições de grupo de segurança
  Baixa (Corrigir em 90 dias):     Controles de Nível 2, itens informativos

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